Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Widerstand gegen das Steckenbleiben in lokalen Extremen (Teil II)"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Algorithmen zur Optimierung mit Populationen: Widerstand gegen das Steckenbleiben in lokalen Extremen (Teil II) :
Wir setzen unser Experiment fort, das darauf abzielt, das Verhalten von Populationsoptimierungsalgorithmen im Zusammenhang mit ihrer Fähigkeit zu untersuchen, lokale Minima bei geringer Populationsvielfalt effizient zu umgehen und globale Maxima zu erreichen. Forschungsergebnisse werden vorgelegt.
Grauer-Wolf-Optimierer (GWO)
C_AO_GWO:50;10
=============================
5 Hilly's; Func runs: 10000; result: 0.5385541648909985
25 Hilly's; Func runs: 10000; result: 0.33060651191769963
500 Hilly's; Func runs: 10000; result: 0.25796885816873344
=============================
5 Forest's; Func runs: 10000; result: 0.33256641908450685
25 Forest's; Func runs: 10000; result: 0.2040563379483599
500 Forest's; Func runs: 10000; result: 0.15278428644972566
=============================
5 Megacity's; Func runs: 10000; result: 0.2784615384615384
25 Megacity's; Func runs: 10000; result: 0.1587692307692308
500 Megacity's; Func runs: 10000; result: 0.133153846153847
=============================
All score: 2.38692
Ein Rudel Wölfe des GWO-Algorithmus stürmt durch die Weiten der virtuellen Welt und verteilt sich schnell in alle Richtungen auf verschiedene Testfunktionen. Diese Eigenschaft kann in den ersten Iterationen effektiv genutzt werden, insbesondere wenn der Algorithmus mit einer anderen Methode gepaart wird, die die gefundenen Lösungen verbessern und ergänzen kann. Die hervorragenden Forschungsfähigkeiten der Gruppe sprechen für ihr Potenzial, aber leider bleibt die Genauigkeit bei der Identifizierung von Gebieten ihr Schwachpunkt. Interessanterweise zeigte der Algorithmus sogar bessere Ergebnisse als im konventionellen Test mit einer gleichmäßigen Verteilung der Agenten.
Autor: Andrey Dik