最大搜索次数/max_trial_num

算法给出的超参组合个数

int，默认值为10，越大，搜索时间越长，效果越好

最大搜索次数/max_trial_num

算法给出的超参组合个数

int，默认值为10，越大，搜索时间越长，效果越好

初始点数量/n_startup_points

算法初始阶段采用随机搜索获取超参组合的个数

int，取值范围[1,20]，默认值为5，一般不建议用户修改

最大并发量/max_concurrent

搜索任务中同时运行的最大任务数

int，取值范围[1,20]，默认值为5，一般不建议用户修改

种群个体数量/population_num

算法每个轮次并行训练的模型数量

int，取值范围[1,10]，默认值为8，一般不建议用户修改

最大轮次/round

每个轮次的间隔会发生模型间的继承与超参数的扰动

int，取值范围[5,50]，默认值为10，一般不建议用户修改

扰动比例/quantile_frac

需要继承较好模型权重的较差模型比例

float，取值范围(0,0.5]，默认值为0.5，一般不建议用户修改，即较差的一半模型会继承较好一半模型的权重

扰动间隔/perturb_interval

一个轮次中训练的epoch数量，扰动间隔与最大轮次的乘积等于一个模型最终训练的epoch数量

float,取值范围[1,20],默认值为10，越大，训练时间越长

随机初始化概率/explore_prob

较差模型在继承较优模型的权重和超参后，会以一定的概率随机初始化超参数，否则，仅对超参数进行轻微扰动

float,取值范围(0,0.5],默认值为0.25，一般不建议用户修改

种群个体数量/population_num

算法每个轮次并行训练的模型数量

int，取值范围[1,10]，默认值为8，一般不建议用户修改

最大轮次/round

进化轮次总数

int，取值范围[5,50]，默认值为10，一般不建议用户修改

学习步长/step_size

种群每次迭代更新时的学习率

float，取值范围(0,10]，默认值为1.0，一般不建议用户修改

种群个体数量/population_num

算法每个轮次并行训练的模型数量

int，取值范围[1,10]，默认值为8，一般不建议用户修改

最大轮次/round

进化轮次总数

int，取值范围[5,50]，默认值为10，一般不建议用户修改

惯性权重/inertia_weight

上一个批次的粒子速度占本批次的比例

float，取值范围(0,1]，默认值为0.5，其值越大，全局寻优能力越强，局部寻优能力越弱

全局加速度/global_acceleration

反应种群最佳值对个体速度影响的程度，也被称为群体认知项，是一个从当前点指向种群最好点的矢量，反映了粒子间的协同合作和知识共享

int，取值范围(0,4]，默认值为1.5，一般不建议用户修改

个体加速度/local_acceleration

反应个体最佳值对自身速度影响的程度，也被称为自身认知项，是从当前点指向粒子自身最好点的一个矢量，表示粒子的动作来源于自己经验的部分

int，取值范围(0,4]，默认值为1.5，一般不建议用户修改