Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Künstliche multisoziale Suchobjekte (MSO)"

Neuer Kommentar
 

Neuer Artikel Algorithmen zur Optimierung mit Populationen: Künstliche multisoziale Suchobjekte (MSO) :

Dies ist eine Fortsetzung des vorangegangenen Artikels, der sich mit dem Konzept der sozialen Gruppen befasst. In dem Artikel wird die Entwicklung sozialer Gruppen anhand von Bewegungs- und Gedächtnisalgorithmen untersucht. Die Ergebnisse werden dazu beitragen, die Entwicklung sozialer Systeme zu verstehen und sie bei der Optimierung und Suche nach Lösungen anzuwenden.

zum anderen springen. Alle Gruppen haben ihre eigenen Zentren, die bei jeder Iteration des Algorithmus aktualisiert werden. Außerdem führen wir das Konzept des Gedächtnisses sowohl für die Gruppe als Ganzes als auch für jedes einzelne Partikels in ihr ein. Mit diesen Änderungen ermöglicht unser Algorithmus nun, dass Gruppen auf der Grundlage von Informationen über die besten Lösungen von Sektor zu Sektor wechseln.

Diese neue Modifikation eröffnet neue Möglichkeiten zur Untersuchung der Entwicklung sozialer Gruppen. Die Umstellung auf Sektoren ermöglicht es den Gruppen, Informationen und Erfahrungen innerhalb jedes Sektors auszutauschen, was zu einer effektiveren Suche und Anpassung führen kann. Die Einführung des Gedächtnisses ermöglicht es den Gruppen, Informationen über frühere Bewegungen zu behalten und sie für Entscheidungen über zukünftige Bewegungen zu nutzen.

In diesem Artikel werden wir eine Reihe von Experimenten durchführen, um zu untersuchen, wie diese neuen Konzepte die Suchleistung eines Algorithmus beeinflussen. Wir werden die Interaktion zwischen Gruppen, ihre Fähigkeit zur Kooperation und Koordination sowie ihre Lern- und Anpassungsfähigkeit analysieren. Unsere Erkenntnisse können die Evolution sozialer Systeme erhellen und zu einem besseren Verständnis dafür beitragen, wie sich Gruppen bilden, entwickeln und an eine sich verändernde Umwelt anpassen.

Autor: Andrey Dik

 

Theoretische Frage (kann in der Praxis getestet werden).

Werden sich die Ergebnisse des Algorithmus verbessern/verschlechtern, wenn wir einen falschen (nicht in die FF-Berechnungen einbezogenen) Parameter mit einem Bereich von z. B. fünf Werten zu der Menge hinzufügen?

 

Zum Thema der Komplexität von FF als TK.

Der Standard-GA beendete die Optimierung im grünen Rahmen.


Der erneute Start des GA mit dem ersten Fummeln führte zu einem viel besseren Ergebnis (roter Rahmen).

 
fxsaber #:

Zum Thema der Komplexität von FF als TC.

Das Personal GA hat die Optimierung in der Green Box abgeschlossen.

Ein erneuter Start des GA durch erstes Fummeln führte zu einem viel besseren Ergebnis (roter Rahmen).

Für die Standard-GA sind Mehrfachstarts die empfohlene Technik (ich weiß nicht, ob das gut oder schlecht ist - es gibt sowohl Argumente dafür als auch dagegen).

 
fxsaber #:

Theoretische Frage (kann in der Praxis getestet werden).

Werden sich die Ergebnisse des Algorithmus verbessern/verschlechtern, wenn wir einen falschen (nicht in die FF-Berechnungen einbezogenen) Parameter mit einem Bereich von z. B. fünf Werten zu der Menge hinzufügen?

Eindeutig eine Verschlechterung. FF-Läufe werden für vergebliche Versuche verschwendet, "gute" falsche Parameter zu finden.

Je größer der prozentuale Anteil der möglichen Varianten von Fake-Parametern an der Gesamtzahl der möglichen Parametervarianten ist, desto stärker ist die Auswirkung - im Grenzfall, wenn man zufällige Ergebnisse anstrebt.

 
Stanislav Korotky #:

Für eine Standard-GA sind Mehrfachstarts die empfohlene Technik (ich weiß nicht, ob das gut oder schlecht ist - es gibt sowohl Argumente dafür als auch dagegen).

Danke, das ist schon eingebaut.

 
Andrey Dik #:

Verschlechterung, eindeutig. Ff Durchläufe werden für vergebliche Versuche, "gute" Fake-Parameter zu finden, verschwendet.

Je größer der prozentuale Anteil der möglichen Varianten von Fake-Parametern an der Gesamtzahl der möglichen Parametervarianten ist, desto stärker ist die Auswirkung - im Grenzfall, wenn man auf Zufallsergebnisse abzielt.

Das muss ich mir mal ansehen.

 
fxsaber #:

Ich werde es mir ansehen müssen.

Ich würde eher sagen, falsche Parameter machen es schwieriger, sie zu finden. Aber wenn alle Dinge gleich sind, werden die Ergebnisse schlechter sein. Wenn man z.B. 1 Mio. Durchläufe von ff macht, ist das Ergebnis dasselbe, aber wenn man 1k Durchläufe macht, ist der Unterschied spürbar.

Neuer Kommentar