Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Saplings Sowing and Growing up (SSG)" - Seite 4

Neuer Kommentar
 
Andrey Dik #:

Wald ist die FF. d.h. es sind einige Anforderungen, die an das zu optimierende System gestellt wurden. Wenn die Anforderungen an das System geändert werden, ändert sich die FF, aber das System hat sich nicht geändert, richtig?
Es ist so, als ob der Benutzer versucht hätte, die Anforderungen auf verschiedene Weise zu ändern, und trotzdem Forest erhalten hätte. integrale FFs sehen genauso aus wie Forest, wie zum Beispiel Balance.
Wenn möglich, sollte man versuchen, keine integralen FFs zu verwenden, und wenn das nicht möglich ist, NADstroika über FFs zu machen, d.h. FFs auf FFs anzuwenden, um scharfe Spitzen zu vermeiden.
Nun, nehmen wir ein Beispiel. wir haben eine Gleichgewichts-FF genommen. sie sieht (vermutlich) aus wie Wald. man kann im trüben Wasser der Ergebnisse der Optimierung durch Gleichgewicht nach Sinnpartikeln fischen, die irgendwo in der Nähe liegen, und man kann den umgekehrten Weg gehen, man kann die Gleichgewichts-FF so überbauen, dass die Oberfläche nicht mehr akut endlich ist und alle notwendigen Parameter in der Nähe und gleichzeitig auf dem obersten sanften Hügel liegen!
Kurz gesagt: Wenn die FF akut endlich ist, dann ist das entweder wirklich alles, was aus dem Problem herausgequetscht werden kann, oder der Forscher hat einen Fehler gemacht.

Das ist ein ganz anderes Thema: wann und wie es sinnvoll ist, Hügel/Spitzen zu berücksichtigen. Um dazu zu gelangen, muss man zunächst lernen, wie man sie bei beliebigen Funktionen findet.

 
fxsaber #:

Dies ist ein ganz anderes Thema: wann und wie es sinnvoll ist, Hügel/Spitzen zu berücksichtigen. Dazu müssen wir zunächst lernen, wie man sie auf beliebigen Funktionen findet.


OK. Dann können wir versuchen, wie folgt zu argumentieren......
Was aber, wenn sich herausstellt, dass das "Plateau" (maximale Konzentration von nahe beieinander liegenden Punkten) viel niedriger ist als das globale Extremum? wo liegt die Akzeptanz der Plateauhöhe?
Ich versuche, auf die Tatsache hinzuweisen, dass das zu Erreichende in gewisser Weise beschrieben werden kann, d.h. in iteg führt das Problem zur Suche nach dem globalen Extremum, in dem alle nächstgelegenen akzeptablen Lösungen konzentriert sind).
 
fxsaber Optimierungskriterium).
Das hat mich auch interessiert, hier ist meine Frage an die klugen Leute hier
Ist es das, was ihr erreichen wollt?

 
Andrey Dik #:

Okay. Dann können wir versuchen, folgendermaßen zu argumentieren: .....
was aber, wenn sich herausstellt, dass das "Plateau" (maximale Konzentration von nahe beieinander liegenden Punkten) viel niedriger ist als das globale Extremum? wo liegt die Akzeptanz der Plateauhöhe?
Ich versuche, darauf zu drängen, dass das zu Erreichende in gewisser Weise beschrieben werden kann, d. h. das Problem führt zur Suche nach dem globalen Extremum, in dem sich alle nächstgelegenen akzeptablen Lösungen konzentrieren).

Ja, es läuft alles auf die Suche nach dem globalen Extremum hinaus. Die letzten Schritte eines GA müssen sich um dieses Global herum bewegen. Sie sind also im Grunde der Bereich, der bei den nächsten GA-Läufen verworfen wird.

Das heißt, wir suchen immer nur nach dem Global mit einem der vorgeschlagenen Algorithmen. Dann verwerfen wir einfach den Bereich, in den das Global gefallen ist, und wiederholen den Vorgang.

 
mytarmailS #:
Ich habe mich das Gleiche gefragt, also hier meine Frage an die klugen Leute.
h ttps://stats.st ackexchange.com/questions/566930/optimization-taking-into-account-the-shape-of-the-optimization-surface
Ist es das, was ihr erreichen wollt?

Ja, das. Und sogar noch mehr als das.

In diesem Bild werden wir sowohl rote als auch grüne Bereiche finden, wenn wir nach dem Prinzip vorgehen, alle Bereiche mit zuvor gefundenen Maxima zu verwerfen.

Für den Fall des Bildes benötigen wir fünf Optimierungen: vier werden rot und eine grün finden.

Dann lassen wir die fünf Punkte durch das Analogon von TesterDashboard laufen und sehen sofort, wer was wert ist.


ZЫ Es ist seltsam, dass "kluge" Leute mit Vorschlägen zur Glättung die Natur der Bildung von Oberflächenobjekten nicht verstehen.

 
fxsaber #:

Ja, das. Und mehr.

In diesem Bild werden wir sowohl rote als auch grüne Bereiche finden, wenn wir nach dem Prinzip vorgehen, alle Bereiche mit zuvor gefundenen Maxima zu verwerfen.

Für den Fall des Bildes benötigen wir fünf Optimierungen: vier werden rot und eine grün finden.

Dann lassen wir die fünf Punkte durch das Analogon von TesterDashboard laufen und sehen sofort, wer was wert ist.

Ja, genau,
Sie wollen also ein paar Spitzen finden und sie alle testen, richtig?

Ich dachte, du wolltest einen gleichmäßigen Peak finden und die scharfen Spitzen ignorieren.


Im ersten Fall müssen Sie die OA nur ein paar Mal mit einer geringen Anzahl von Iterationen durchführen.


Im zweiten Fall geht es um den Abschnitt "Optimierung einer verrauschten Funktion".

Ein spezieller Bereich mit speziellen AOs.

Von den allgemeinen, werden Sie AO machen:
Simulierter Burnout, Bayes'sche Optimierung.


AO - Optimierungsalgorithmus
 
fxsaber #:

Ja, das. Und mehr.

In diesem Bild werden wir sowohl rote als auch grüne Bereiche finden, wenn wir nach dem Prinzip vorgehen, alle Bereiche mit zuvor gefundenen Maxima zu verwerfen.

Für den Fall des Bildes benötigen wir fünf Optimierungen: vier werden rot und eine grün finden.

Dann lassen wir die fünf Punkte durch das Analogon von TesterDashboard laufen und sehen sofort, wer was wert ist.


Ich versuche hier nur zu vermitteln, dass es möglich ist, fünf Optimierungen zu vermeiden und mit einer Optimierung sofort in den grünen Bereich zu kommen. Dazu muss man die Haupt-FF über die Neben-FF einführen. die Haupt-FF sollte den grünen Bereich beschreiben und ist das globale Maximum.
Die FF auf dem Bild ist also nicht das, was wir brauchen, wir brauchen eine FF, bei der wir nach dem globalen Maximum suchen müssen.
Es ist schwierig, dies mit den Fingern zu erklären, aber in dem Artikel)))) können Sie es nachlesen.
 
mytarmailS #:
Sie wollen also ein paar Spitzen finden und sie alle testen, richtig?

Ja. Mehr als 20 Peaks zu prüfen, ist in der Regel nicht sinnvoll. Wenn es etwas Robustes gibt, sollte es unter diesen 20 gefunden werden.

Natürlich kann man sich theoretisch einen Igel mit einem rasierten Hügel vorstellen. Dann gibt es unter hundert Optimierungen, die auf dem Emissionsprinzip beruhen, keinen Hügel. Aber diese Situation ist weit von der Praxis entfernt.

In der Regel formen wir einen solchen Igel selbst so, dass er keine kahle Stelle hat.

 
Andrey Dik #:

Hier! Ich versuche Ihnen zu sagen, dass Sie fünf Optimierungen auf einmal vermeiden können.
Er braucht den grünen Bereich nicht.
 
fxsaber #:

Ja. Die Überprüfung von mehr als 20 Spitzenwerten ist in der Regel nicht sinnvoll. Wenn es etwas Robustes gibt, sollte es unter diesen 20 gefunden werden.

Natürlich kann man sich theoretisch einen Igel mit einem rasierten Hügel vorstellen. Dann gibt es unter hundert Optimierungen, die auf dem Emissionsprinzip beruhen, keinen Hügel. Aber diese Situation ist weit von der Praxis entfernt.

In der Regel formen wir selbst einen solchen Igel so, dass er eine kahle Stelle hat.

Dann ist es ganz einfach, wie ich oben geschrieben habe.
Sie brauchen 20 Spitzen, lassen Sie AO einfach 20 Mal laufen.
1234567891011...13
Neuer Kommentar