鱼鹰算法优化XGBoost：Matlab实现超参数自动搜索

简介：使用OOA-XGBoost鱼鹰算法优化XGBoost分类预测的Matlab完整源码与配套数据，主要面向计算机、电子信息工程、数学等专业学生，可用于课程设计、期末大作业或毕业设计中的分类预测任务，也适合希望结合智能优化算法与XGBoost进行实验复现的研究者；资源适配Matlab2023及以上版本，便于快速上手。压缩包共18个文件，含8个M脚本（主程序、鱼鹰优化算法、训练与测试、适应度计算等）、4个MAT数据集、3张PNG结果图、XGBoost动态库及头文件，另附一份排错文档，整体大小约53.69MB。目前已有272人学习或下载，说明其具备一定参考价值。代码采用参数化编程，参数可方便更改，注释详细，运行后可直接输出对比图、混淆矩阵图和预测准确率，帮助用户直观评估优化效果；随包提供的排错文档还能减少环境配置障碍，便于快速复现完整流程。

1. 鱼鹰算法优化XGBoost：从“手动试参玄学”到自动化搜索

XGBoost 的调参一直有点玄学。默认参数能跑通，但想再往上提一两个百分点，很多人就开始凭感觉试 learning_rate、max_depth、subsample 的组合，一调就是大半天，回头还不确定是参数变好了还是随机种子变好了。我最早也这样干过，直到把鱼鹰优化算法（OOA，Osprey Optimization Algorithm）接到 XGBoost 的分类流程里，才把这件事从“碰运气”变成“在超参数空间里做有方向的搜索”。它的思路很简单：把一组 XGBoost 超参数编码成一只鱼鹰的位置，用交叉验证的分类错误率当适应度，让算法自己去迭代找最优。这篇笔记面向正在写论文实验、做竞赛刷分、或者需要批量换数据集建模的从业者，讲清楚 OOA-XGBoost 的原理、Matlab 实现结构、参数设置和真实踩坑，读完后你能直接搭出一套可以复用的调参框架。

2. OOA核心机制与XGBoost超参数搜索的匹配逻辑

2.1 鱼鹰捕食的两个阶段在做什么

OOA 是近几年提出的元启发式算法，建模的是鱼鹰（鹗）捕鱼的过程。鱼鹰不是瞎飞，它先在高空定位水面下的鱼，俯冲抓取，再带着鱼飞到更安全的位置进食。算法把这一过程拆成两个阶段：阶段一是“定位与捕鱼”，对应全局探索；阶段二是“带鱼到合适位置”，对应局部开发。两个阶段交替执行，就是完整的迭代过程。

阶段一的位置更新方式可以写成：

X_new = X + r1 × (Fish - I × X)

其中 Fish 是当前种群里随机挑出的某个鱼鹰的位置（模拟视野里的一条鱼），I 是随机取 1 或 2 的整数，r1 是 0 到 1 的随机数。这里的核心是“向随机目标靠近，同时允许后退”，因为 I=2 时 Fish - 2×X 会形成一个反向的修正项，这保证了个体不会全部涌向同一个方向，种群多样性保住了。

阶段二模拟的是鱼鹰捕到鱼后飞向附近安全的进食点：

X_new = X + r2 × (LB + r3 × (UB - LB) - X)

其中 LB 和 UB 是搜索空间的上下界，r2 和 r3 是随机数。这个式子的含义是：在当前个体附近生成一个随机参考点（LB + r3×(UB-LB) 就是空间内任意一个位置），然后向它移动一小段，相当于在局部做精细搜索。如果新位置的适应度更好，就替换旧位置，否则保持不动。

放在超参数优化场景里，每只鱼鹰的位置就是一个维度为 dim 的向量，dim 等于你要优化的 XGBoost 超参数个数，位置的每一维对应一个超参数在当前范围内的取值。鱼鹰群体的协作逻辑是：每只鱼鹰在阶段一“看看别的鱼鹰在哪”，在阶段二“在已有位置的邻域里探索更优解”，全局最优个体会被记录并持续参与种群更新。

这套机制和 XGBoost 调参的匹配点在于：XGBoost 的超参数之间是有耦合的，max_depth 变大时可能更需要调大 min_child_weight 来防过拟合，learning_rate 调小时要适当增加迭代轮数。网格搜索把这些参数看成彼此独立的网格，而群智能算法天然在联合空间里搜索，更容易找到参数间的平衡组合，这才是 OOA 这类算法在这个场景里真正的价值。

2.2 为什么选OOA而不是网格或随机搜索

网格搜索的问题是维度灾难。假设你优化 6 个超参数，每个取 10 档，就是 10^6 次训练。XGBoost 单次训练在中等规模数据集上要几十秒，网格搜索直接变成不可能完成的任务。随机搜索虽然能避开网格组合爆炸，但它的本质是独立采样，没有记忆，不会根据已评估点的好坏调整后续采样方向，在小预算下经常漏掉好区域。

贝叶斯优化是另一个常被拿来对比的方案，它通过高斯过程代理模型选择下一组参数，小预算下效率确实高，但缺点是：代理模型本身有超参要调；高维空间里高斯过程拟合容易失效；如果每次评估的交叉验证误差有波动，代理模型容易被噪声带偏。

OOA 这类群智能算法走的是另一条路：同时有多个起点（种群规模 N 个鱼鹰），每次迭代通过探索和开发两个阶段协同更新位置，不依赖对目标函数形状的假设。实现起来非常直接，不需要维护额外的概率模型，迭代逻辑只有那两行位置更新公式。对于交叉验证误差这种“带噪声的评估”，群智能算法的容错性也比贝叶斯优化更稳。

我一般会在这些条件同时满足时选择 OOA-XGBoost：数据集规模在几百到几万条之间，单次 XGBoost 训练控制在 30 秒内；需要优化的超参数在 4 到 8 个；有明确的交叉验证评估需求；最重要的是，希望整套流程能自动化，换数据集后不用重新手调。反过来，如果单次训练要几十分钟，或者数据量上百 G，那任何元启发式算法都不划算，这个方案就不适用了。

3. OOA-XGBoost分类流程：编码、适应度与迭代机制

3.1 把XGBoost超参数编码成鱼鹰个体

实现 OOA-XGBoost 的第一步是定好编码方案。每个鱼鹰个体是一个 1×dim 的行向量，每一维对应一个超参数。我通常选 6 个参数：max_depth、learning_rate、min_child_weight、subsample、colsample_bytree、lambda。前五个是影响分类精度最直接的参数，lambda 负责正则，第六个用来压制过拟合。

这里有一个关键细节：不同参数的量级差异很大。max_depth 是整数且范围只有 1 到 10，而 lambda 可能要从 0.001 到 10 跨四个数量级。如果直接把原始值放进位置向量，量级小的参数在位置更新时几乎不会被改变，等于白优化。我的习惯是对 lambda 这类跨度大的参数先取 log10 再映射到搜索空间，解码时再还原。

function params = decodePosition(pos) % 将个体位置向量解码为 XGBoost 超参数结构体 params.max_depth = max(1, round(pos(1))); % 取整并确保最小值为1 params.learning_rate = pos(2); % 实数值，范围在外部约束 params.min_child_weight = max(1, pos(3)); % 防止出现0或负数 params.subsample = min(1.0, max(0.5, pos(4))); % 越界截断 params.colsample_bytree = min(1.0, max(0.5, pos(5))); params.lambda = 10^(pos(6)); % 对数域映射回真实空间 end

逻辑说明：decodePosition 做的事是把 OOA 位置向量转换成 xgboost 训练能直接用的参数结构体，位置向量本身可能在边界外浮动，所以做一层截断和取整。lambda 用 10^pos(6) 还原，意味着 OOA 搜索的是 log10(lambda)，这样 0.001 到 10 的范围在搜索空间里被均匀拉伸，避免了小值区域被压缩成一小块。

参数说明：max_depth 取 round 是因为树深度必须是整数，round 后用 max(1,...) 防止位置更新时被推到 0 或负数。subsample 和 colsample_bytree 的截断区间设在 0.5 到 1.0，低于 0.5 时采样比例过小，模型容易欠拟合，而且会让训练噪声变大。lambda 用对数映射是这里最值得记住的做法，不这么做你会发现优化完的 lambda 永远停在边界值。

3.2 适应度函数：K折交叉验证下的分类误差

适应度函数是 OOA 和 XGBoost 之间的接口。每个鱼鹰个体都会调用一次适应度函数，函数内部完成“解码参数 → K 折交叉验证 → 返回分类错误率”这一串操作。XGBoost 的评估目标是让错误率最小，所以适应度 = 1 - 验证准确率。

K 折的选择是个权衡：折数太少，验证误差方差大，OOA 会被噪声带偏；折数太多，每次评测要训练 K 次，时间成本翻倍。我一般固定用 5 折，中等数据量下速度和稳定性都合适。交叉验证的划分索引要在主脚本里一次性生成并传入适应度函数，不能每次在函数内部随机划分，这是保证优化过程不震荡的前提。

function fitness = objFun(pos, X, y, cvIdx) params = decodePosition(pos); numFold = size(cvIdx, 2); errSum = 0; for k = 1:numFold trainIdx = cvIdx(:, k) == 0; testIdx = cvIdx(:, k) == 1; % 调用 Python 的 xgboost 库完成训练 % 需要先 pyenv 配置好 Python 环境并 import xgboost model = py.xgboost.train(... py.dict(params), ... py.xgb.DMatrix(X(trainIdx, :), pyargs('label', y(trainIdx))), ... int32(50)); predProb = double(py.xgboost.predict(model, ... py.xgb.DMatrix(X(testIdx, :)))); predLabel = double(predProb >= 0.5); errSum = errSum + mean(predLabel ~= y(testIdx)); end fitness = errSum / numFold; % 平均错误率，越小越好 end

逻辑说明：这段代码的核心是“每个个体 → 每个折 → 训练一次 → 汇总错误率”。循环外层的 fitness 是 0 到 1 之间的标量，OOA 的主循环只需要比较这个标量的大小，不需要关心 XGBoost 内部细节。这层封装让 OOA 主循环非常干净，换模型时只需要改 objFun 内部。

参数说明：DMatrix 是 xgboost 的专用数据格式，label 必须单独传入。num_round 固定为 50 是起始值，后面你可以根据早停结果调整。predLabel 用 0.5 作为分类阈值，如果数据类别不平衡，这一步会出问题，第 5 章会专门讲这个坑。代码里用 py.xgboost 是因为 Matlab 没有原生 XGBoost 接口，通过 Python 引擎调用是最新版本里最稳定的方式，前提是电脑上装了匹配的 Python 环境。

3.3 OOA-XGBoost主循环：完整的迭代框架

主循环的任务是：初始化鱼鹰种群，迭代执行“探索阶段 + 开发阶段”，保留全局最优个体。标准的 OOA 迭代代码骨架如下，和多数元启发式算法一样，核心就是一个双重循环加两个位置更新分支。

% 主循环参数 N = 20; % 种群规模 T = 20; % 最大迭代次数 dim = 6; % 优化超参数个数 lb = [1, 0.01, 1, 0.5, 0.5, -3]; % 下限 ub = [10, 0.30, 20, 1.0, 1.0, 1]; % 上限 % 初始化种群 X = repmat(lb, N, 1) + rand(N, dim) .* repmat(ub - lb, N, 1); fitness = zeros(N, 1); for i = 1:N fitness(i) = objFun(X(i, :), Xtrain, ytrain, cvIdx); end [gbestVal, gbestIdx] = min(fitness); Gbest = X(gbestIdx, :); % 全局最优位置 for t = 1:T for i = 1:N % 阶段一：探索，随机选择目标鱼 Fish = X(randi(N), :); I = randi([1, 2]); r1 = rand; Xnew = X(i, :) + r1 .* (Fish - I .* X(i, :)); Xnew = max(lb, min(ub, Xnew)); % 越界截断 if objFun(Xnew, Xtrain, ytrain, cvIdx) < fitness(i) X(i, :) = Xnew; fitness(i) = objFun(Xnew, Xtrain, ytrain, cvIdx); end % 阶段二：开发，向邻域参考点移动 r2 = rand; r3 = rand; Xnew2 = X(i, :) + r2 .* (lb + r3 .* (ub - lb) - X(i, :)); Xnew2 = max(lb, min(ub, Xnew2)); if objFun(Xnew2, Xtrain, ytrain, cvIdx) < fitness(i) X(i, :) = Xnew2; fitness(i) = objFun(Xnew2, Xtrain, ytrain, cvIdx); end end % 更新全局最优 [curBest, curIdx] = min(fitness); if curBest < gbestVal gbestVal = curBest; Gbest = X(curIdx, :); end end

逻辑说明：这个循环里的每个个体每轮要做两次位置更新，每次更新后都调用 objFun 做一次完整的 5 折交叉验证。所以总训练次数是 N × T × 2 × 5。按 N=20、T=20 来算就是 4000 次单折训练，如果单次训练要 5 秒，整体要跑 5 个多小时。这就是元启发式调参的真实成本，运行时要有心理准备，也解释了为什么要控制数据规模和迭代次数。

参数说明：种群规模 N 在 15 到 30 之间比较合适，太小容易早熟，太大时间成本失控。迭代次数 T 我建议先设 10 跑一次看收敛曲线，如果第 10 代精度还在明显下降，再调到 20 或 30。lb 和 ub 的第六维是 -3 到 1，对应 lambda 的 log10 范围，也就是真实值 0.001 到 10。每次位置更新后用 max/min 截断回边界，这是标准做法，但要注意：如果最优解总是被截断在边界，说明边界设置有问题，需要在第 5 章里排查。

4. Matlab工程落地：数据划分、参数范围与训练命令

4.1 数据读取与分层划分：先固定种子再做交叉验证

工程落地的第一步不是写算法，而是把数据入口和验证框架定好。我一般把整个工程分成四个文件：main_OOA_XGB.m 是主脚本，负责读取数据和调主循环；objFun.m 是适应度函数；OOA.m 是算法主循环；decodePosition.m 负责解码。这样换数据集时只需要改主脚本里的数据路径和标签处理，算法部分完全不用动。

数据划分这步最容易埋雷。很多人直接在 objFun 内部调用 cvpartition，每评估一次就重新划分一次，结果同一个参数每次打分都不同，优化过程完全被噪声淹没。正确做法是在主脚本里一次性生成 K 折索引，作为参数传给 objFun。

% 主脚本片段：读取数据并固定划分 rng(2024); % 固定全局随机种子，保证可复现 data = load('your_dataset.mat'); % 假设数据集已存为mat文件 X = data.X; % 特征矩阵 y = data.y; % 标签向量，二分类取0/1 % 分层5折交叉验证，保证每折类别比例一致 rng(88); % 再固定一次，划分索引完全确定 cvObj = cvpartition(y, 'KFold', 5, 'Stratify', true); cvIdx = zeros(length(y), cvObj.NumTestSets); for k = 1:cvObj.NumTestSets cvIdx(cvObj.test(k), k) = 1; % 1表示测试折，0表示训练折 end

逻辑说明：cvpartition 的 Stratify 选项会按原始数据的类别比例分层抽样，对不平衡数据很重要。如果不分层，某折里可能全是少数类，那一折的精准率和召回率会剧烈波动，适应度函数直接变成随机数发生器。cvIdx 矩阵的作用是把划分结果固定下来，objFun 里只做索引查找，不重新划分。

参数说明：rng(2024) 和 rng(88) 分两次设，是刻意的。第一个种子固定的是数据加载前的全局状态，第二个固定的是划分本身。将来复现结果时，只要这两个数字不变，无论跑多少次，同一个个体得到的适应度都完全一致。这一点在论文实验里是硬性要求，也是很多人最容易忽略的细节。

4.2 XGBoost超参数取值范围与优先级：先看表再动手

维度选择不是越多越好。一开始我也试过把 gamma、alpha 全加进去，维度一高，种群规模不变的情况下搜索效率明显下降，收敛变慢。做 OOA-XGBoost 时，先优化下面这张表里的 6 个参数就够了，gamma 和 alpha 可以在确定基础参数后手工微调。

优先级的意思是：先保证前三列参数被 OOA 充分搜索，lambda 这类正则参数对最终精度的影响通常小于 max_depth 和 learning_rate，所以它排在最后。实际观察里，subsample 和 colsample_bytree 经常出现最优解在 0.7 到 0.9 之间的情况，很少会真的贴到 0.5 边界。

参数说明：max_depth 的搜索范围到 10 就够，超过 10 的树在大多数表格数据上会严重过拟合，而且训练时间倍增。learning_rate 上限设 0.3 是因为大于这个值后模型基本不收敛，下限 0.01 是性价比边界，再小就得大幅增加迭代轮数，时间成本扛不住。lambda 的 log10 映射在 3.1 节说过，这里再强调一次，把范围设成 -3 到 1 而不是直接写 0.001 到 10，是一个成熟工程习惯。

4.3 最优参数回代与最终训练输出

OOA 跑完拿到 Gbest 之后，还有一个收尾步骤：用最优参数做一次全量训练，输出最终模型和评价指标。注意，这里不能只报告交叉验证的平均准确率，因为 OOA 在优化过程中见过所有折的数据，交叉验证分数是“搜索过程的副产品”，不是最终模型的独立评估。严谨做法是把数据再留出一个测试集，或者在交叉验证框架下单独记录最优参数在每一折上的表现。

% OOA结束后：用最优参数训练最终模型 bestParams = decodePosition(Gbest); bestParams.num_round = 200; % 用更多迭代轮数发挥低学习率优势 % 全量数据训练（或按9:1划分最终测试集） model = py.xgboost.train(py.dict(bestParams), ... py.xgb.DMatrix(X, pyargs('label', y)), int32(bestParams.num_round)); % 在预留测试集上评估 predProb = double(py.xgboost.predict(model, ... py.xgb.DMatrix(Xtest, pyargs('label', ytest)))); predLabel = double(predProb >= 0.5); acc = mean(predLabel == ytest); cm = confusionmat(ytest, predLabel);

逻辑说明：这里把 num_round 手动从优化时的 50 改成 200，是因为 learning_rate 被 OOA 调到 0.01 附近后，50 轮根本不够收敛。这是一个很重要但又容易被忽略的联动：优化时的每次评估为了控制时间用较少的轮数，但最终模型应该用足量轮数，否则最优参数被低估了。

参数说明：confusionmat 输出的是混淆矩阵，比单个准确率更能看出问题，比如类别不平衡时准确率可能虚高。预算允许的话，建议在 OOA 开始之前就留出一个 10% 的最终测试集，这个测试集从头到尾不参与优化，只在最后评估一次。没有独立的最终测试集，你报告的所有数字都只是“调参过程中的历史最好成绩”，不是模型真实泛化能力的证据。

5. OOA-XGBoost排查与避坑：5个真实踩坑记录

5.1 优化器在第5代就停住了，精度还不如默认参数

现象：收敛曲线下降几代后就不再变化，最优个体卡在一个角落，最终分类精度和 XGBoost 默认参数差不多，甚至更低。

原因：种群规模太小加上边界设置过窄。最典型的情况是 max_depth 的上界设成了 6，整个搜索空间被压在默认参数附近，鱼鹰个体稍微移动几次就到边界，位置更新公式里的随机扰动全被 max(min) 截断吞掉，探索能力彻底失效。另外 N=10 时种群多样性不够，阶段一的随机目标 Fish 翻来覆去就那几个位置，很难跳出局部最优。

解决：把 max_depth 上界放开到 10，subsample 和 colsample_bytree 的跨度保留足够余量；同时把种群规模 N 提到 20 以上。调试时可以打印每一代最优个体的位置向量，如果连续多代某些维度顶在边界上，说明边界画窄了，直接放大。还有一个实用技巧：初始种群不要全部随机生成，而是把“默认参数的一组个体”“边界附近的一组个体”手动塞进初始种群里，让算法一开始就有多样性和对比基准。

5.2 收敛曲线像心电图，适应度反复横跳

现象：相邻两次迭代的最优适应度波动很大，明明是同一个参数组合，这次评估是 0.18，下次就变成 0.21。

原因：几乎可以断定是交叉验证划分没有固定。objFun 内部直接调用 cvpartition，每评估一次就重新划分一次，数据顺序一变，验证集上的准确率就变，同一个个体被赋予不同的适应度。这样一来，OOA 的“位置更新后比较适应度”这个核心操作变得毫无意义，算法在跟随机噪声对抗，不是在找最优参数。

解决：把 cvpartition 的划分索引在 main 脚本里生成并传入 objFun，同时固定随机种子。注意不仅要固定 rng，还要把 cvpartition 对象保存下来或者把划分结果存成逻辑索引矩阵，保证整个 OOA 运行期间划分严格一致。另外，如果你的数据量很小（几百条），5 折的验证误差标准差本身就大，建议改用重复 5 折，即做 3 次不同的 5 折划分取均值，方差能明显下降，代价是训练时间变为原来的 3 倍。

5.3 Matlab调用xgboost报错：库未加载或模块不存在

现象：运行到 py.xgboost.train 时报错，提示“未找到类”“Python 无法导入 xgboost”或者“libgomp 无法加载”。Matlab 版本不同，报错文案五花八门，但本质都是 Matlab 找不到 Python 环境里的包。

原因：Matlab 的 py.xxx 语法要求当前 Python 环境路径正确、xgboost 装到了那个环境里。很多人机器上装了多个 Python 环境，Matlab 默认连的是 Anaconda 基础环境，而 xgboost 装在另一个 venv 里，自然导入失败。libgomp 报错则是 Windows 下 xgboost 的 DLL 依赖问题，和 Matlab 无关但同样卡死工程。

解决：在 main 脚本开头用 pyenv 检查并指定解释器路径：

pyenv('Version', 'C:\Python39\python.exe'); % 改成你实际的环境路径 py.importlib('import', 'xgboost'); % 主动验证能否导入

如果 pyenv 切换后还是导入失败，用命令行进到你指定的那个 Python 环境里，执行 pip install xgboost 和 python -c "import xgboost"，确认环境本身没问题。libgomp 报错在 Windows 上常见，去 xgboost 官网下载对应的 Windows 预编译包覆盖安装通常能解决，这个坑属于环境问题，不是代码问题，排查时先不要动 OOA 主循环。

5.4 最优解总贴着边界，比如learning_rate永远停在0.01

现象：OOA 给出的最优参数里，某个维度几乎每次都等于搜索范围的端点，例如 learning_rate=0.01、min_child_weight=20。第一反应可能是“参数越小越好”，但如果把它当成真理，换到别的数据集上往往翻车。

原因：两个叠加因素。第一，我在 3.2 节提过，优化时 num_round 固定为 50，learning_rate 越小需要的轮数越多，50 轮根本不够，所以 0.01 在优化阶段被严重低估，OOA 发现往小方向走“每轮都在涨分”，就一直推到边界。第二，小数据量下交叉验证方差大，极端参数有时在特定划分上碰巧表现好，算法就把这个噪声当真了。

解决：先把 num_round 在优化阶段提到 100 到 200，让 learning_rate 和迭代轮数的联动关系在评估阶段就成立，再把优化结果回代时用更多轮数验证。另一个思路是把 learning_rate 的下界从 0.01 提到 0.02，人为排除过于极端的区域，这类参数在实际业务里也不可取。如果最优解仍然贴边界，需要调整的是边界本身，而不是接受这个结果。

5.5 同一份代码跑两次结果不一样，复现变成了黑匣子

现象：上午跑完保存结果，下午重跑一次，最优参数变了，精度也变了，完全无法复现。

原因：随机性来源有四个：初始化种群的 rand 函数、OOA 内部位置更新的 rand 函数、xgb.train 内部的 subsample 采样（没指定 seed）、以及交叉验证划分（如果没固定）。这四个只要有一个没固定，结果就不可复现。很多人只固定了 rng，但 xgboost 内部的随机过程是独立控制的。

解决：在主脚本里加三行：

rng(2024); % 固定Matlab全部随机数 cvIdx = fixedCV(); % 固定交叉验证划分 bestParams.seed = 42; % 传给xgboost的随机种子

xgboost 的 train 接口支持 seed 参数，Matlab 里调用时通过 py.dict 传进去。这样跑两次，Gbest 和最终精度完全一致。做实验记录时，把 rng 种子、cvIdx 划分过程、xgboost 的 seed 三项一起记录，这是论文可复现的最低要求。没有这三个数字，你的实验结果对别人来说就是一个黑匣子，自己过两周回来也说不清楚。

6. 进阶：把OOA-XGBoost做成可复用的调参框架

走到这一步，你已经能在单个数据集上跑通 OOA-XGBoost 了。接下来值得做的，是把它从“跑通”升级成“可复用”。我目前维持的习惯是把三个扩展点固化在框架里。

第一个扩展：适应度函数从错误率换成 1 - AUC。二分类遇到类别不平衡时，准确率会虚高，错误率作为适应度会引导 OOA 去优化多数类，少数类全被牺牲。换 AUC 前记得把方向取反，因为 OOA 默认适应度越小越好。实现上只需在 objFun 里用 perfcurve 计算 AUC，然后取 fitness = 1 - auc。这一个改动，对不平衡数据的改善比调任何超参数都明显。

第二个扩展：优化阶段的 num_round 不要写死，而是用早停确定。做法是在每个折的验证集上记录前 50 轮里表现最好的轮数，取所有折的平均作为该个体的“推荐轮数”，适应度用最优轮数下的验证误差。这比固定 50 轮更接近参数的真实潜力，代价是每评估一次要额外训练几十轮，时间增加。小数据集上值得，大数据集上看预算决定。

第三个扩展：把 OOA 自身参数（N、T、lb、ub）抽成配置文件，换数据集时只改配置。碰过的血泪经验是，换数据集后忘记同步修改 max_depth 的上界，导致新数据上的搜索空间完全不合理。我现在把“数据集名称、类别数、样本量、特征数、N、T、各维边界”写在一个初始化函数里，每次开始前先打印一遍配置，确认没问题再启动。改动数据入口、算法逻辑、评估指标被拆成三个独立层后，换数据集就是改配置文件的事，OOA 主循环和 objFun 的内部逻辑基本不动。

最后补一句我自己的习惯：每次跑这类优化前，我做的第一件事永远是先固定随机种子，再调参数。这个习惯救过我很多次，希望帮到你。

本文还有配套的精品资源，点击获取