Diskussion zum Artikel "Battle Royale Optimizer (BRO)"

Neuer Kommentar
 

Neuer Artikel Battle Royale Optimizer (BRO) :

Der Artikel untersucht den Algorithmus Battle Royale Optimizer – eine Metaheuristik, bei der Lösungen mit ihren nächsten Nachbarn konkurrieren, „Schaden“ anhäufen, ersetzt werden, wenn ein Schwellenwert überschritten wird, und den Suchraum um die aktuell beste Lösung herum regelmäßig verkleinern. Es werden sowohl Pseudocode als auch eine MQL5-Implementierung der Klasse C_AO_BRO vorgestellt, einschließlich Nachbarschaftssuche, Bewegung in Richtung der besten Lösung und eines adaptiven Delta-Intervalls. Die Testergebnisse für die Funktionen „Hilly“, „Forest“ und „Megacity“ zeigen die Stärken und Grenzen des Ansatzes auf. Der Leser erhält eine gebrauchsfertige Grundlage für Experimente und die Einstellung wichtiger Parameter wie popSize und maxDamage.

Der Battle Royale Optimizer (BRO) lässt sich bildlich als virtuelle Welt darstellen, in der viele Spieler auf einem Schlachtfeld landen und nur einer überleben kann. Das ist das Grundprinzip dieses Spielmodells. Übertragen wir dieses Konzept nun auf Optimierungsprobleme.

Zu Beginn des Algorithmus erstellen wir eine Population von Lösungen, die zufällig über den Suchraum verteilt sind. Jede Lösung ist ein einzigartiger „Spieler“, der eine bestimmte Position und die Qualität (Fitness) dieser Position hat. Dann beginnt der eigentliche Wettbewerbszyklus, bei dem jede Lösung mit dem nächstgelegenen Nachbarn verglichen wird, ähnlich wie Spieler, die in einer Schlacht gegeneinander antreten.

Wenn zwei Lösungen „aufeinandertreffen“, werden sie auf ihre Qualität hin verglichen. Die beste Lösung geht als Sieger hervor und erhält keinen Schaden, während die schlechteste Lösung zum Verlierer erklärt wird und einen Schadenspunkt erhält. Dieser Schadenszähler ist ein Schlüsselmerkmal des Algorithmus. Die unterlegene Lösung erleidet nicht nur Schaden, sie versucht auch, ihre Position zu verbessern, indem sie sich der besten bekannten Lösung in der Population annähert. Diese Bewegung simuliert den Wunsch zu überleben, indem man einen sichereren und vorteilhafteren Ort findet.

Wenn eine Lösung zu viel Schaden anhäuft (einen bestimmten Schwellenwert überschreitet), wird sie „aus dem Spiel genommen“ – aus der Population entfernt und durch eine neue Zufallslösung ersetzt. Es ist so, als ob ein Spieler in einem Battle Royale ausscheidet und im nächsten Spiel ein neuer Spieler auftaucht. Dieser Mechanismus gewährleistet eine ständige Erneuerung der Population und fördert die Vielfalt der Lösungen.


Autor: Andrey Dik

 
Es sieht sehr interessant aus, ich werde es ausprobieren, um die optimalsten Lösungen für einige Kombinationen von Faktoren zu finden, die ich gemessen habe.
Neuer Kommentar