Diskussion zum Artikel "Genetische Algorithmen - Leicht gemacht!" - Seite 12
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
....
Im Allgemeinen sollte man verstehen, dass der GA keine exakte, sondern eine robuste Lösung findet. D.h. eine Lösung, die im Vergleich zum Feld der möglichen Lösungen recht erfolgreich ist.
Testfunktionen werden "besiegt". Sie müssen besiegt werden.
Und damit haben Sie alles richtig gesagt.
Testfunktionen werden "besiegt". Sie müssen besiegt werden.
Aber Sie sagen alle richtigen Dinge.
Ja, ja, ich habe es nicht weiter ausgeführt, und deshalb sind es Testfunktionen, der Algorithmus muss sie bestehen, sonst kann ein solcher Algorithmus nicht als erfolgreich angesehen werden.
Es ist schwer vorstellbar, was der Algorithmus in dem unbekannten Feld finden wird, wenn er nicht einmal den Test besteht.
Danke an alle, es funktioniert.
Ich musste so dumm sein, Minus und Multiplikation zu verwechseln.
Danke an alle, es funktioniert.
Ich frage mich, wie man UGA richtig schraubt, wenn man verschiedene Variablen mit demselben Wert der Fitnessfunktion optimieren muss, um den Näherungsfehler zu minimieren? Klassisches Problem. Ein zweischichtiges neuronales Netz mit fünf Durchläufen und 4 Neuronen erfordert beispielsweise die Suche von 22 Koeffizienten zusammen mit dem Bias im Bereich [-1...1] mit einer Genauigkeit von 0,0001 und gleichzeitig in derselben Zielfunktion die Auswahl der Parameter der Eingangsindikatoren 5 Stück*2Parameter= 10 Variablen im Bereich 5...50. Oder separat, aber mit einem Schritt von 0,01.
Natürlich können Sie die Werte der Indikatoren im Bereich der Gewichte kodieren. Aber das ist ein bisschen anders.
Und noch eine Frage. Ist es möglich, UGA die Bedingungen für das Überspringen von Genen zu übermitteln? Das heißt, dass zum Beispiel die Gene, die für den Indikator verantwortlich sind, der Bedingung G23<G24 G25<G26 und so weiter entsprechen sollten.
Ich frage mich, wie man UGA richtig schrauben kann, wenn man verschiedene Variablen mit demselben Wert der Fitnessfunktion optimieren muss, um den Approximationsfehler zu minimieren? Klassisches Problem. Ein zweischichtiges neuronales Netz mit fünf Durchläufen und 4 Neuronen erfordert beispielsweise die Suche von 22 Koeffizienten zusammen mit dem Bias im Bereich [-1...1] mit einer Genauigkeit von 0,0001 und gleichzeitig in derselben Zielfunktion die Auswahl der Parameter der Eingangsindikatoren 5 Stück*2Parameter= 10 Variablen im Bereich 5...50. Oder separat, aber mit einem Schritt von 0,01.
Natürlich können Sie die Werte der Indikatoren im Bereich der Gewichte kodieren. Aber das ist ein bisschen anders.
Und noch eine Frage. Ist es möglich, UGA die Bedingungen für das Überspringen von Genen zu übermitteln? Das heißt, dass zum Beispiel die Gene, die für den Indikator verantwortlich sind, der Bedingung G23< G24 G25<G26 und so weiter entsprechen sollten.
Das war's,
es gibt einen Bereich, in dem die meisten Parameter funktionieren, der Rest wird einfach durch Verschieben und Skalieren angepasst.
Sie verstehen, dass der Code in diesem Artikel keine kommerzielle Entwicklung ist, die für jeden Nieser des Verbrauchers ausgefeilt wurde.
Es besteht der Wunsch, Bereiche für jeden Parameter festzulegen, niemand hält Ihnen die Hand auf, aber vergessen Sie nicht, dass es bei einer Anzahl von Parametern, die in die Tausende geht, sehr problematisch werden wird, Bereiche von Hand festzulegen.
haben einen Bereich von Genen [-1;1] --> (int)NormaliseDouble( ((Gen+1)/2)*45+5 ,0) --> [5;50]
obwohl ich zustimme, dass es viele verschiedene Gene geben wird, die das gleiche Ergebnis liefern, können Sie hier einen Genauigkeits-Setter für die Kombination von Genen machen, zum Beispiel von 0 bis zum 1000sten Gen Genauigkeit auf 3 Stellen, von 1000 bis 1010 Genauigkeit auf 0 Stellen.
Und noch eine Frage. Ist es möglich, die Bedingungen des Genskippens an UGA weiterzugeben? Das heißt, dass zum Beispiel die Gene, die für den Indikator verantwortlich sind, die Bedingung G23<G24 G25<G26 und so weiter erfüllen müssen.
Sie können es so machen: Parameter1=G23 Parameter2=G23+G24.
Bei der Konvertierung des Bereichs ist es besser, eine Konvertierung mit einer logischen Prüfung vorzunehmen, die den Bruch einschließt.
Andernfalls wird es keine Verbindung zwischen einem Teil des gebrochenen Bereichs und einem anderen geben, hier ist es notwendig zu verstehen, dass Gene von verschiedenen Chromosomen entliehen werden, nur dementsprechend kann das zweite Gen nur für die Produktion des zweiten Gens des neuen Chromosoms entliehen werden.
Wenn ein Parameter von zwei Genen repräsentiert wird, gibt es keine Verbindung zwischen ihnen.
Es ist besser, eine Transformation mit einer logischen Prüfung vorzunehmen, die den Bruch einschließt.
Andernfalls gibt es keine Verbindung zwischen einem Teil des gebrochenen Bereichs und einem anderen, es sollte verstanden werden, dass Gene von verschiedenen Chromosomen nur dementsprechend entlehnt werden, das zweite Gen kann nur für die Produktion des zweiten Gens des neuen Chromosoms entlehnt werden.
Wenn ein Parameter von zwei Genen repräsentiert wird, gibt es keine Verbindung zwischen ihnen.
Vielleicht ist es besser.
Ich habe eine einfache Variante vorgeschlagen. Der GA kann damit problemlos umgehen.
Im Allgemeinen werden Gene nicht immer ausgeliehen, sondern es können auch neue Gene erzeugt werden.