Diskussion zum Artikel "Backtracking-Suchalgorithmus (BSA)"

[MetaQuotes]

Neuer Artikel Backtracking-Suchalgorithmus (BSA) :

Was wäre, wenn sich ein Optimierungsalgorithmus an seine bisherigen Durchläufe erinnern und diese Erinnerungen nutzen könnte, um bessere Lösungen zu finden? Genau das macht die BSA – sie schafft einen Ausgleich zwischen dem Entdecken von Neuem und dem Zurückgreifen auf das Bewährte. In diesem Artikel lüften wir die Geheimnisse des Algorithmus. Eine einfache Idee, wenige Parameter und ein zuverlässiges Ergebnis.

Im endlosen Labyrinth der Möglichkeiten, in dem jede Abzweigung entweder zum Triumph oder in eine Sackgasse führen kann, hinterlässt der kluge Reisende unsichtbare Spuren – etwas Vergängliches und doch Zuverlässigeres: die Erinnerung an die zurückgelegten Wege. Dieser Gedanke (in die Vergangenheit blicken, um die Zukunft zu sehen) bildet den Kern des Optimierungsalgorithmus. Jeder Schritt ins Unbekannte erfolgt unter Berücksichtigung vergangener Erfahrungen, wobei die Geschichte zum Kompass und die Erinnerung zur Landkarte wird.

In diesem Artikel werde ich mich mit einem Algorithmus befassen, den ich aufgrund seines Suchkonzepts sehr interessant fand. Der Backtracking-Suchalgorithmus (BSA) ist ein neuer evolutionärer Algorithmus (EA) zur Lösung realwertiger numerischer Optimierungsprobleme, der 2013 von Pinar Civicioglu vorgeschlagen wurde. Es handelt sich um eine Methode zur Ermittlung der besten Lösung, die „aus früheren Erfahrungen lernen“ kann. 

Autor: Andrey Dik