Discusión sobre el artículo "Algoritmos de optimización de la población"
Tema interesante - a la espera del desarrollo de las reflexiones.
Hasta ahora, encontrar los extremos de una función es bueno, pero ¿hay alguna manera de recuperar la función y expresarla matemáticamente, especialmente cuando se optimiza, digamos, un EA?
1. Gracias por su interés. Como no existe una clasificación de algoritmos universalmente reconocida, en los siguientes artículos se esperan muchos descubrimientos sorprendentes: algunos EA no se comportan tan bien bajo una investigación detallada como se cree comúnmente y otros muestran propiedades de búsqueda extraordinarias. Además de las implementaciones clásicas, se propondrán modificaciones de OA bien conocidos.
2. Esta cuestión interesa a muchas mentes de la actualidad, ya que abre el camino a áreas del conocimiento tales como, por ejemplo, la creación de nuevas proteínas con propiedades dadas (aunque hay modestos avances en este campo, pero se consiguen por simple enumeración de combinaciones de aminoácidos). En general, no existen métodos para restablecer al 100% la fórmula analítica de una función, a menos que sea en forma de red neuronal. Quizá con la aplicación de las tecnologías de IA en el futuro sea posible hacer ingeniería inversa a partir de los datos para convertirlos en una función analítica...
1. Gracias por su interés. Como no existe una clasificación de algoritmos universalmente reconocida, en los siguientes artículos se esperan muchos descubrimientos sorprendentes: algunos RA no se comportan tan bien bajo una investigación detallada como se suele creer y otros muestran propiedades de búsqueda extraordinarias. Además de las implementaciones clásicas, se propondrán modificaciones de OA bien conocidos.
2. Esta cuestión interesa a muchas mentes de la actualidad, ya que abre el camino a áreas del conocimiento tales como, por ejemplo, la creación de nuevas proteínas con propiedades dadas (aunque hay modestos avances en este campo, pero se consiguen por simple enumeración de combinaciones de aminoácidos). En general, no existen métodos para restablecer al 100% la fórmula analítica de una función, a menos que sea en forma de red neuronal. Quizá con la aplicación de las tecnologías de IA en el futuro sea posible hacer ingeniería inversa a partir de los datos para convertirlos en una función analítica...
Gracias por la respuesta.
¿Existe algún método rápido para variables binarias/predictores (volumen total en torno a 5k) con una longitud de gen de hasta 10 letras (¿o como se llame?)?
Gracias por su respuesta.
¿Existe algún método rápido para variables/predictores binarios (en total unos 5k) con una longitud de gen de hasta 10 letras (o como se llame?)?
Todavía no tengo la respuesta, la buscaré junto con el lector en futuros artículos)))
Queda mucho trabajo de investigación por hacer.
El árbol de clasificación no representa todos los métodos de optimización existentes hasta la fecha. Además, sólo se tendrán en cuenta los algoritmos basados en poblaciones.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Algoritmos de optimización de la población:
Artículo de introducción a los algoritmos de optimización (AO). Clasificación. En el artículo, intentaremos crear un banco de pruebas (un conjunto de funciones) que servirá en el futuro para comparar los AO entre sí, e incluso, quizás, para identificar el algoritmo más universal de todos los ampliamente conocidos.
A la hora de optimizar sistemas comerciales, los más interesantes son los algoritmos de optimización metaheurística, pues no requieren conocimiento previo de la fórmula de la función optimizada. Asimismo, no se ha probado su convergencia al óptimo global, pero se ha establecido experimentalmente que en la mayoría de los casos ofrecen una solución bastante buena, y esto resulta suficiente para resolver una serie de problemas.
Muchos AO surgieron como modelos tomados de la naturaleza, y también se les llama de comportamiento, de enjambre, o de población. Algoritmos así suponen, por ejemplo, el comportamiento de los pájaros en una bandada (algoritmo del enjambre de partículas) o los principios del comportamiento de una colonia de hormigas (algoritmo de "colonia de hormigas" o "algoritmo de hormigas").
Los algoritmos de población involucran el procesamiento simultáneo de varias opciones para resolver el problema de optimización y representan una alternativa a los algoritmos clásicos de búsqueda a lo largo de trayectorias de movimiento en cuyo área de búsqueda solo evoluciona un candidato al resolver el problema.
Autor: Andrey Dik