Discusión sobre el artículo "Algoritmos Genéticos: ¡Es fácil!" - página 15
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Hola, no haré preguntas.
Sólo quiero darles las gracias por su trabajo. ¡Muchas gracias!
Es muy útil.
Hola, yo también quiero expresar un gran agradecimiento. GA me ha llamado la atención recientemente. Todas las fuentes encontradas "sobre GA" me desanimaron. Yo no sabía a dónde ir.... Y entonces me encontré con su artículo a través de algún enlace. En una palabra, ¡hurra! ))
Tengo un par de preguntas. Me doy cuenta de que el artículo fue escrito hace mucho tiempo. Pero aún así...
1. las variables declaradas no se utilizan en ninguna parte.
¿Es esto un plan para el futuro?
2. Ejecuté UGA varias veces y obtuve valores diferentes, es decir, una vez correcto, la segunda vez no del todo correcto. Pregunta - cuál de los parámetros UGA se debe establecer "más grande" para aumentar el número de respuestas correctas.
En el trailer observado... La imagen de la izquierda muestra un resultado incorrecto.
...La cuestión es cuál de los parámetros del AG debe ajustarse "más grande" para aumentar el número de respuestas correctas.
En general, por desgracia, no hay ni puede haber una respuesta unívoca. Todo depende de la tarea.
En tu caso particular, prueba a retorcer estos parámetros:
:)
Cambiar los dos primeros parámetros hacia arriba sin ambigüedad aumenta la convergencia, pero, por supuesto, aumenta el tiempo de búsqueda.
Gracias por la respuesta. He jugado un poco, observado.... En general, no tiene sentido compartir todas las observaciones. Las "variantes extremas" son suficientes.
Con los dos primeros parámetros iguales a 50 y 2, respectivamente, el tiempo de ejecución del algoritmo es de 170-200 ms.
...., iguales a 100 y 50 el tiempo de ejecución fue de 103203 ms. Sí, el algoritmo produjo una coincidencia absoluta en términos de resultados, "como debería" y "como resultó".
Por desgracia, según me parece, el consumo de tiempo no se corresponde en absoluto con los resultados obtenidos.
Gracias por la respuesta. He jugado un poco, observado.... En general, no tiene sentido compartir todas las observaciones. Las "variantes extremas" son suficientes.
Con los dos primeros parámetros iguales a 50 y 2, respectivamente, el tiempo de ejecución del algoritmo es de 170-200 ms.
...., iguales a 100 y 50 el tiempo de ejecución fue de 103203 ms. Sí, el algoritmo produjo una coincidencia absoluta en términos de resultados, "como debería" y "como resultó".
Por desgracia, en mi opinión, el consumo de tiempo no se corresponde en absoluto con los resultados obtenidos.
Si el problema puede resolverse con métodos newtonianos, debería resolverse con ellos. Obtendrá resultados precisos en poco tiempo.
Si no, bienvenido a GA. Aquí me viene a la mente el dicho sobre el microscopio y las nueces.
Si el problema se puede resolver con métodos newtonianos, hay que hacerlo con ellos. Se obtienen resultados precisos en poco tiempo.
Si no, hay que recurrir a la AG. Me recuerda al dicho sobre el microscopio y las nueces.
Por desgracia, no hay métodos sencillos. Sea cual sea la tarea que se emprenda, el problema de la optimización pasa a primer plano. Puesto que todas las hipóstasis de BP, llamadas indicadores, son paramétricas. Incluso el mismo zigzag, parecería....
Y puesto que hay parámetros, significa que hay que re(sub)batirlos. La variante más sencilla son los ciclos anidados. Como demuestra la práctica, la mayoría de las veces no es una opción. Por eso usamos GA. Y no del malo en absoluto. )) Es una necesidad urgente.
Hace un año o dos hice un experimento puro. Si tomas dos mashki con periodos largos, la diferencia de ellos (en una ventana aparte) se verá como un gráfico bastante suave de forma claramente sinusoidal. Quería ver
si la suma de varias sinusoides puede repetir este gráfico. Hice un script que debía recoger 3 sinusoides. Al principio quería 5, luego cambié de idea a 3 (experimento, ¿para qué calentarse?). El resultado fueron 3 ciclos (2 anidados)
Por supuesto, si eliminas los comentarios de los ciclos, los algoritmos cíclicos funcionan más rápido. Pero no 100 veces, por desgracia, y la posibilidad de seguir el proceso desaparece por completo.
Por eso el experimento se canceló sin empezar. Pero la escala y la gravedad de una situación aparentemente simple "se escuchó" me sorprendió y casi me asustó. ))
Andrew hay 2 preguntas más:
1. En el ejemplo del zigzag alternativo has utilizado la frase "...cuando el genotipo de un cromosoma no se corresponde con el fenotipo". ¿Qué significa esto en relación con la AG?
2. Según tengo entendido, la clasificación se hace en orden descendente. Es decir, cuanto más alto es el valor en Colony[0][chromos], ¿más adaptado está el individuo?
Es decir, si he entendido bien, en caso de trabajar con crivulinas en FF, uno puede (debe) utilizar coeficientes de correlación r o R ya que tienden a 0->1. Y uno no puede utilizar MSE ya que es ->0.
Andrew hay 2 preguntas más:
1. En el ejemplo del zigzag alternativo has utilizado la frase "...cuando el genotipo de un cromosoma no se corresponde con el fenotipo". ¿Qué significa esto en relación con la AG?
2. Según tengo entendido, la clasificación se hace en orden descendente. Es decir, cuanto más alto es el valor en Colony[0][chromos], ¿más adaptado está el individuo?
3. es decir, si he entendido bien, en el caso de trabajar con curvulinas en FF, se pueden (deben) utilizar los coeficientes de correlación r o R, ya que tienden a 0->1. y no se puede utilizar MSE, ya que es ->0.
1. Si los genes de un cromosoma coinciden con los argumentos de la función que se está optimizando, el genotipo corresponde al fenotipo (genotipo - valores de los genes, fenotipo - valores de los argumentos). Si los genes y los argumentos no son iguales (se utiliza algún tipo de transformación), entonces no se corresponden. Busca en Google los conceptos de genotipo y fenotipo en biología.
2. Sí, pero no es fundamental. Puede especificar explícitamente la dirección de la clasificación, o puede multiplicar el valor FF por -1.
3. Lo siento, no he entendido la pregunta.
1. Si los genes de un cromosoma coinciden con los argumentos de la función que se está optimizando, el genotipo se corresponde con el fenotipo (genotipo: valores de los genes, fenotipo: valores de los argumentos). Si los genes y los argumentos no son iguales (se utiliza algún tipo de transformación), entonces no se corresponden. Busca en Google los conceptos de genotipo y fenotipo en biología.
2. Sí, pero no es fundamental. Puede especificar explícitamente la dirección de la clasificación, o puede multiplicar el valor FF por -1.
3. Lo siento, no he entendido la pregunta.
Gracias.
1. Eso es lo que supuse. Pero adivinar es algo turbio y peligroso. Es mucho más deseable saberlo con certeza. Sobre googlear, gracias por el consejo, pero no lo usaré, creo. Desde el colegio recuerdo recesivo, dominante, alelo, fenotipo, genotipo, homocigoto, heterocigoto.... Madre mía, menuda sarta de tonterías que tengo en la cabeza. M-sí, sabían dar conocimientos en la escuela soviética.... ))
2. También comprensible.
3. Pero no había tercer punto. Sólo la tercera línea (una continuación del segundo párrafo), en la que el pensamiento en voz alta, como, "Si tengo razón ...". No es una pregunta. Aunque parece que podría serlo. Entonces, pregunta retórica. Voy a explicar el significado. Por ejemplo, puramente sintético. Tenemos una señal curva de forma sinusoidal y sabemos que es una suma de tres sinusoides. Estoy casi absolutamente seguro de que el AG hará frente a esta tarea con facilidad y producirá períodos de las tres sinusoides. Pero en el proceso es de alguna manera necesario medir cuánto se parece la suma de las tres sinusoides a la referencia. En mi arsenal hay tres medidas de este tipo: r (Pearson), R (p-cuadrado) y MSE. Sobre todo porque estas cosas también se utilizan en los paradigmas de redes neuronales como medidas de "fitness".
Gracias de nuevo, eso lo hace más claro, más transparente. De nuevo, hace poco que me he sumergido en el tema de los AG. Así que todos los epítetos como novato, tonto, valenok son, por desgracia, todos míos .... ))
P.D. Conozco los análogos biológicos, por supuesto. Pero este conocimiento es puramente para alimentar la comprensión de la esencia de los procesos descritos por los lenguajes de programación de alto nivel. Y eso, no en todas partes ni siempre. No ato análogos biológicos con análogos neuroinformáticos en un nudo apretado. De alguna manera, en biología (naturaleza) todo funciona de una sola vez. Pero en neuroinformática, por alguna razón, la mayoría de las veces no funciona.
Andrew, una pregunta más.
¿Podemos decir que tales valores de estas variables son adecuados para la mayoría de los problemas de optimización? Como dicen en algunas fuentes "... el 90% de los problemas pueden resolverse con un perceptrón ordinario".