📚 课程目录第4章传统参数优化方法

4. 传统参数优化方法：网格搜索与随机搜索

参数优化这事儿，听着挺玄乎，说白了就是给我们的分子对接程序找到一组最好的“旋钮”位置。这些旋钮，比如格点间距、能量截断值、打分函数权重，拧到什么程度能让对接结果最准，这就是我们要干的事。

我刚开始做分子对接那会儿，哪有什么自动化工具。全靠手动试参数，改一个值跑一遍，记下来结果，再改下一个。一套流程下来，一周就过去了。后来我学乖了，开始用系统化的方法——网格搜索和随机搜索。

今天我们就聊聊这两种最经典的传统参数优化方法。它们虽然“古老”，但在很多场景下依然是最实用的选择。

4.1 网格搜索：穷举的“笨”办法

网格搜索，名字很形象。你想想看，在参数空间里画一个网格，然后遍历每个网格点，计算目标函数值。就像地毯式搜索，不放过任何一个角落。

原理很简单：

定义参数范围：为每个待优化参数指定最小值和最大值。
设定步长：决定参数值之间的间隔。
生成网格：所有参数值的笛卡尔积，形成完整的网格。
遍历评估：在每个网格点运行对接，计算打分或富集率。
选择最优：找到使目标函数最优的参数组合。

举个例子。假设我们要优化两个参数：格点间距（0.3, 0.5, 0.7）和能量截断值（10, 15, 20）。网格搜索会生成9个组合，全部跑一遍。

import itertools

param_grid = {
    'spacing': [0.3, 0.5, 0.7],
    'energy_cutoff': [10, 15, 20]
}

keys = param_grid.keys()
for values in itertools.product(*param_grid.values()):
    config = dict(zip(keys, values))
    # 运行对接，记录结果
    result = run_docking(config)
    print(f"参数: {config}, 结果: {result}")

我个人习惯，在参数少于4个、每个参数取值少于10个时，优先用网格搜索。为什么？因为它保证能找到局部最优解，而且结果可以复现。

网格搜索的核心优势：可复现、易理解、适合小参数空间。

我曾踩过的坑：有一回我优化6个参数，每个取5个值，那就是5^6=15625次对接。跑了整整三天三夜，最后发现最优解在边界上。白白浪费了计算资源。

网格搜索的致命弱点是什么？维度灾难。参数每增加一个，计算量呈指数级增长。10个参数，每个取10个值，那就是10^10次计算，基本不可能完成。

4.2 随机搜索：聪明的“偷懒”

随机搜索的理论基础挺有意思。它不依赖参数之间的关系，而是随机采样。你可能会问，随机采样能找到最优吗？

答案是：概率上可以，而且效率很高。随机搜索有一个重要性质：给定足够的采样次数，它最终会收敛到全局最优。

更关键的是，随机搜索的收敛速度不受参数维度的影响。它只和采样次数有关。这一点在学术界已经被广泛证实。

import random
import numpy as np

def random_search(n_iterations=100):
    best_score = float('-inf')
    best_params = None
    
    for i in range(n_iterations):
        # 在参数空间内随机采样
        params = {
            'spacing': random.uniform(0.2, 1.0),
            'energy_cutoff': random.uniform(5, 30),
            'exhaustiveness': random.randint(1, 20)
        }
        
        score = evaluate_docking(params)
        
        if score > best_score:
            best_score = score
            best_params = params
    
    return best_params, best_score

我应该怎么理解这个随机搜索呢？它不像网格搜索那样整齐，但更灵活。你不需要提前设定步长，只需要确定参数范围和总的实验次数就行。

我在项目中遇到过这样的场景：需要优化一个包含12个参数的对接流程，如果做网格搜索，没两个月跑不完。我用随机搜索，只做了500次实验，就找到了比手工调优好20%的结果。这个效率差异，真的让我印象深刻。

实用建议：随机搜索的采样次数一般设为参数个数的10-20倍。比如10个参数，跑200次采样就够了。如果计算资源充裕，可以翻倍。

4.3 两种方法的对比与选择

讲了这么多，到底什么时候用哪种？我直接给你一个对照表，你自己看着办。

对比维度	网格搜索	随机搜索
参数数量	≤4个参数效果好	适合高维参数空间
计算成本	指数级增长	线性增长
结果可复现性	完全可复现	依赖随机种子
最优解保障	保证找到网格内最优	概率性接近全局最优
实现复杂度	简单直观	略复杂
对连续型参数	需要离散化	直接使用连续值

4.4 实战中的选择策略

我一般不二选一，而是混合使用。先做一轮粗略的随机搜索，圈定参数的“热点区域”。然后在热点区域附近做精细网格搜索。

这套组合拳我个人非常推荐：

第一步：用随机搜索跑200-500次，找到可能的最优区域。
第二步：在最优区域周围缩小参数范围，做网格搜索。
第三步：对找到的最优组合做局部微调。

为什么这么做最有效？随机搜索可以快速探索全局，网格搜索可以在小范围内精细调优。两者取长补短。

def hybrid_optimization(n_random=300):
    # 第一步：随机搜索
    best_params, _ = random_search(n_random)
    
    # 第二步：在最优附近构建小网格
    fine_grid = {
        'spacing': [best_params['spacing'] - 0.1, 
                    best_params['spacing'],
                    best_params['spacing'] + 0.1],
        'energy_cutoff': [best_params['energy_cutoff'] - 2,
                          best_params['energy_cutoff'],
                          best_params['energy_cutoff'] + 2]
    }
    
    # 第三步：精细网格搜索
    final_best = grid_search(fine_grid)
    return final_best

经验之谈：不要一上来就追求“最优”。先确定几个“足够好”的参数组合，用它们跑一次完整的交叉验证。很多时候，次优参数在实际测试中的表现反而更稳健。

嗯，这里要注意一点：随机搜索不是乱搜。我见过有人用随机搜索，每次结果都不一样，就开始怀疑人生。其实只要固定随机种子，就能保证结果可复现。在代码里加一句 random.seed(42) 或者 np.random.seed(42)，问题就解决了。

我曾经犯过的错：做随机搜索时忘了固定种子，跑了三组实验，每组最优参数都不一样。后来才发现是随机种子的问题。白白浪费了一个星期的计算时间。

总结一下我的经验：

参数少（≤4个）、计算资源充足 → 网格搜索
参数多（≥5个）、需要快速出结果 → 随机搜索
想追求最优 → 混合策略：先随机后网格
项目紧张 → 直接随机搜索，200次就够了

好了，这两种传统方法就这么些内容。你想想看，是不是比手调参数靠谱多了？下节课我们聊聊更高级的贝叶斯优化，那才是真正的高效优化利器。