Discusión sobre el artículo "Modificamos la forma y desplazamos las distribuciones de probabilidad y realizamos pruebas con el cefalópodo inteligente (Smart Cephalopod, SC)"

 

Artículo publicado Algoritmos de optimización de la población: Modificamos la forma y desplazamos las distribuciones de probabilidad y realizamos pruebas con el cefalópodo inteligente (Smart Cephalopod, SC):

Este artículo investigará qué efectos provoca el cambio de la forma de las distribuciones de probabilidad en el rendimiento de los algoritmos de optimización. Hoy realizaremos experimentos con el algoritmo de prueba "Smart Cephalopod" (SC) para evaluar la eficacia de distintas distribuciones de probabilidad en el contexto de problemas de optimización.

Trabajando en este artículo y en los métodos de clase específicos para generar números aleatorios con las distribuciones adecuadas para ser utilizados en la construcción de algoritmos de optimización, me dí cuenta de que la función Rastrigin tiene algunos inconvenientes graves que no eran evidentes en el momento en que elegí esta función de prueba y decidí abandonarla. La vieja Rastrigin será sustituida por la función Peaks (en el próximo artículo encontrará una explicación más completa).

Peaks1

El "cefalópodo inteligente" en acción.

Autor: Andrey Dik

 
Al leer un artículo, el número ln aparece de repente y luego se menciona con frecuencia. ¿De qué se trata?
 
fxsaber #:
Al leer un artículo, el número ln aparece de repente y luego se menciona con frecuencia. ¿De qué se trata?

ln, entrada, entrada, entrada.
Se trata de un número en una línea numérica, en relación con el cual necesitamos generar un número aleatorio con una distribución dada, y dentro de unos límites dados.
A menudo es necesario hacer esto en algoritmos de optimización.

"Por ejemplo, tenemos esta situación con una recta numérica limitada a la izquierda por "min" y a la derecha por "max" y situada entre ambos por "In", podemos visualizarla de la siguiente manera:

min|-----|-----|-----|-----|-----|-----|In|--|--|--|--|--|--|max"


 
Andrey Dik #:
entrada, entrada, entrada, entrada.
Hay un problema de percepción con esa letra. Es como si estuviera escrito en logaritmo.
 
fxsaber #:
Hay un problema de percepción con esta carta. Es como un logaritmo.
Tal vez es - un error tipográfico, voy a comprobar.
 
Andrey Dik #:
Puede que sea el caso - errata, lo comprobaré.

No, no es una errata, es sólo que el tipo de letra es tal que la "I" mayúscula se lee como una "l", corregido a "i".

Gracias por el comentario.

 

Распределение Леви является примером распределения с неограниченными моментами. Оно описывает случайные величины с тяжелыми хвостами, что означает, что вероятность появления очень больших значений велика. В распределении Леви моменты могут быть бесконечными или не существовать, что делает его особенным и отличающимся от распределений с ограниченными моментами, таких как нормальное распределение.

Las colas pesadas de la distribución de Levy y sus momentos no acotados la hacen útil para modelizar fenómenos que pueden tener valores extremos o una gran variabilidad.

Al principio del artículo se daban las definiciones de los principales términos. Sería bueno añadir también ésta.

 
fxsaber #:

Las definiciones de los principales términos figuran al principio del artículo. Sería bueno añadir ésta también.

Lo haré, gracias.
 

Si he entendido bien, casi todos los artículos mostraban diferentes estrategias de búsqueda. Al mismo tiempo, no se jugaba con las distribuciones.

Este artículo muestra que los resultados pueden depender en gran medida de la función de distribución elegida + sesgo.


A juzgar por las cifras, Levy destrozó a todos. Resulta que para cada estrategia de búsqueda hay que hacer varias modificaciones y ver el efecto en la clasificación general.


¡El autor es impresionante! Gracias.


Comenté el cambio a distribuciones

// revisión = true;

y obtuve un mejor resultado que con la distribución uniforme.

 

En el AG de MT5, todas las entradas están rígidamente especificadas y la distribución parece ser simplemente uniforme.


Gracias a esta serie de artículos quedó claro que los resultados pueden variar mucho no sólo de la estrategia de búsqueda, sino también de los valores de sus parámetros de entrada. Más distribuciones de ajuste.

No está muy claro cómo encontrar la óptima para su tarea. Porque hay que optimizar lo que se está optimizando.

 
fxsaber uniforme.
Por favor, muestre cómo medir la calidad de la MT5 GA en funciones de prueba.