Discussion de l'article "Algorithmes d'optimisation de la population : Semis et Croissance des Jeunes Arbres, ou Saplings Sowing and Growing up en anglais (SSG)" - page 2
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
ZY. Une question intéressante pour tous ceux qui s'intéressent à ce sujet : quelle est la différence entre les extrema locaux et les extrema globaux (sans tenir compte de leur différence de valeurs FF) ?
Rien.
Quelques antennes à aiguille.
Je ne comprends pas vraiment ce que vous voulez faire, donc je ne garantis pas la qualité des conseils...
c'est ce dont vous avez besoin :
c'est ce qu'il faut :
Pas vraiment. Supposons qu'un AG ait effectué 100 pas sur une fonction comme celle de l'image. Quatre-vingt-dix d'entre elles aboutiront à un résultat proche du résultat global. C'est le groupe de pas proches qui vaut la peine d'être pris.
Si nous avons affaire à un hérisson, nous obtiendrons de nombreux mini-amas autour de certains points. Ce sont ces points dont nous avons besoin. L'AG peut affiner les coordonnées des grappes dans l'espace étroit qui les entoure.
En gros, nous devons classer les résultats de l'AG en grappes, puis terminer chaque grappe par une optimisation étroite. Nous obtiendrons un ensemble de paramètres d'entrée "intéressants" pour la CT.
Pas vraiment. Supposons que l'AG ait effectué 100 pas sur une fonction telle que celle de l'image. Quatre-vingt-dix d'entre elles aboutiront à un résultat proche du résultat global. C'est ce groupe de pas proches qui vaut la peine d'être pris.
Si nous avons affaire à un hérisson, nous obtiendrons de nombreux mini-amas autour de certains points. Ce sont ces points dont nous avons besoin. L'AG peut affiner les coordonnées des grappes dans l'espace étroit qui les entoure.
En gros, nous devons classer les résultats de l'AG en grappes, puis terminer chaque grappe par une optimisation étroite. Nous obtiendrons un ensemble de paramètres d'entrée "intéressants" pour la CT.
C'est bien cela ?
c'est ça ?
Oui. Je pense que si, après chaque optimisation, vous supprimez une partie de l'espace (comme 80% de l'entrée, ce qui est autour) du global trouvé, c'est ainsi que tout est trouvé.
Figure 5 : Fonction de test de la forêt.
Une excellente visualisation de ce que l'on peut observer lors d'une énumération complète de CT. Bien sûr, la 3D est ici constituée de deux paramètres d'entrée. Mais les glissements et les pics sont clairement visibles. Pour les CT, les pics sont généralement mauvais. Les sommets de colline, en revanche, sont les plus intéressants.
En ce qui concerne les pointes, elles sont maléfiques. Pour les CT, ils sont aléatoires - un ajustement serré (quel que soit le critère d'optimisation).
Oui. Je pense que si, après chaque optimisation, vous supprimez une partie de l'espace (comme 80% de l'entrée, ce qui est autour) du global trouvé, c'est ainsi que tout est trouvé.
Un tel morceau est caractérisé par un intervalle donné pour chaque paramètre d'entrée. Donc, si vous avez les données de la région de coupe, vous pouvez très facilement (même dans le Testeur standard) effectuer l'optimisation sans ce morceau d'espace.
Mais je ne sais pas du tout comment définir la zone autour du maximum global trouvé dans les résultats de l'AG.
Un exemple simple. Nous avons effectué une optimisation sur un certain TC. Elle s'est terminée en produisant des ensembles d'entrées. Nous devons trouver le groupe de points multidimensionnels le plus visible (le nombre de points divisé par le rayon minimum de la sphère dans laquelle ils s'inscrivent) parmi ces ensembles.
Ce qu'il faut, c'est un mode qui trouve tous les sommets et donne ces plages pour tous les paramètres qui peuvent être utilisés ultérieurement.
Les optimisations ultérieures ne peuvent être effectuées qu'à l'intérieur de ces fourchettes de robustesse.
ce sont les sommets des collines qui sont les plus intéressants.