[论文解读] GARCON: Genetic Algorithm for Rectangular Cuts OptimizatioN. User's manual for version 2.0

S. Abdullin, D. Acosta+8 more|ArXiv.org|May 12, 2006

Superconducting Materials and Applications参考文献 7被引用 9

一句话总结

GARCON 是一个用户友好、公开可用的基于遗传算法（GA）的工具，用于优化高能物理（HEP）分析中的矩形切割，实现跨多维相空间的自动、稳定且透明的最优信号对背景区分阈值选择。它能高效探索庞大的切割参数空间——最多约 10^50 种组合，数小时内实现收敛，经验证具有稳定性，并支持用户自定义显著性函数。

ABSTRACT

This paper presents GARCON program, illustrating its functionality on a simple HEP analysis example. The program automatically performs rectangular cuts optimization and verification for stability in a multi-dimensional phase space. The program has been successfully used by a number of very different analyses presented in the CMS Physics Technical Design Report. The current version GARCON 2.0 incorporates the feedback the authors have received. User's Manual is included as a part of the note.

研究动机与目标

• 为解决在 HEP 分析中，特别是在复杂模型（如 SUSY）下，对多维切割空间进行暴力扫描在计算上不可行的问题。
• 提供一种透明且自动化的矩形切割优化方法，其性能可与手动‘肉眼判断’方法相媲美或超越。
• 通过在多次优化运行中引入验证程序和收敛性检查，确保结果的稳定性。
• 支持灵活的优化标准，包括用户自定义的显著性函数以及通过惩罚因子建模系统不确定性。
• 通过提供即用、可扩展且文档齐全的软件工具（GARCON 2.0），支持在真实 HEP 分析中的实际应用，具备输入/输出可配置性。

提出的方法

• 采用遗传算法（GA）框架演化切割配置的种群，其中每个个体代表在多个变量上的一组下限和上限（矩形切割）。
• 基于用户选择的显著性估计器（如 S/√B、Z 分数）或自定义用户函数（QF）进行适应度评估，支持加权事件和系统不确定性。
• 实施多轮优化策略，配置收敛标准，包括最少存活信号/背景事件数，并通过重复优化避免陷入局部最大值。
• 集成验证阶段，将表现最佳的切割集合在独立的数据子集上重新评估（‘盲测’运行），以检验稳定性并防止过拟合。
• 支持通过模块化输入文件进行配置：dataFiles.dat（事件数据）、variablesON_OFF.dat（变量选择）、dataErrors.dat（系统不确定性惩罚因子）和verification.dat（测试切割集合）。
• 输出详细结果，包括最佳切割集合、各次迭代中显著性趋势，以及所有显著性估计器的动态变化，最终在输出日志末尾重复显示最优结果。

实验结果

研究问题

• RQ1 遗传算法能否在计算上不可行的高维 HEP 相空间中，高效优化矩形切割？
• RQ2 如何使自动化切割优化过程保持透明和可解释性，使结果如同人工选择的切割一样易于理解？
• RQ3 哪些机制可确保优化后的切割集合对统计波动和过拟合具有鲁棒性？
• RQ4 用户自定义的显著性函数和系统不确定性模型在多大程度上可被整合到优化流程中？
• RQ5 如何使优化过程在复杂、多峰的相空间中对局部最大值具有鲁棒性，并收敛至全局最优？

主要发现

• GARCON 在具有约 10^50 种有效组合的多维相空间中成功优化了矩形切割，收敛时间仅为数小时，而非数天或数年。
• 该工具始终能识别出优于或等同于人工‘肉眼判断’方法的最优切割集合，且在多次独立运行中验证了结果的稳定性。
• 在盲测数据子集上对最佳切割集合的验证确认了其鲁棒性，显著性值在重复评估中保持稳定，降低了过拟合风险。
• 通过 dataErrors.dat 中的惩罚因子引入系统不确定性建模，可在不重新运行完整优化的情况下实现保守或乐观的显著性估计。
• 原生支持用户自定义的显著性函数（如信号对背景比率、加权显著性），可针对特定分析目标实现定制化优化。
• 最终输出清晰标识出表现最佳的切割集合，包含切割值、年龄和适应度的完整信息，并展示整个优化过程中所有显著性估计器的动态变化。