Discussione sull’articolo "Algoritmi di ottimizzazione della popolazione: Semina e Crescita degli Alberelli (Saplings Sowing and Growing up - SSG)" - pagina 2
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
ZY. Domanda interessante per tutti coloro che sono interessati a questo argomento: qual è la differenza tra gli estremi locali e gli estremi globali (senza tenere conto della loro differenza nei valori FF)?
Niente.
Alcune antenne ad ago.
Non ho capito bene cosa vuoi fare, quindi non garantisco la qualità dei consigli...
è quello che vi serve:
è quello che ci vuole:
Non proprio. Supponiamo che un GA faccia 100 passi su una funzione come quella in figura. Di questi, 90 finiranno vicino al globale. Questo è l'insieme di quelli vicini che vale la pena prendere.
Se abbiamo a che fare con un riccio, otterremo molti mini-cluster intorno ad alcuni punti. Questi punti sono ciò di cui abbiamo bisogno. Il GA può affinare le coordinate dei cluster attraverso lo spazio ristretto che li circonda.
In linea di massima, dobbiamo classificare i risultati del GA in cluster e poi completare ogni cluster con un'ottimizzazione stretta. Otterremo un insieme di parametri di input "interessanti" per il TC.
Non proprio. Supponiamo che il GA faccia 100 passi su una funzione come quella della figura. Di questi, 90 finiranno per avvicinarsi al globale. Questo è il gruppo di passi vicini che vale la pena di prendere.
Se abbiamo a che fare con un riccio, otterremo molti mini-cluster intorno ad alcuni punti. Questi punti sono ciò che ci serve. Il GA potrebbe affinare le coordinate dei cluster attraverso lo spazio ristretto che li circonda.
In linea di massima, dobbiamo classificare i risultati del GA in cluster e poi completare ogni cluster con un'ottimizzazione stretta. Otterremo un insieme di parametri di input "interessanti" per il TC.
giusto?
E' così?
Sì. Penso che se dopo ogni ottimizzazione si taglia una parte dello spazio (come l'80% dell'input, quello che c'è in giro) del globale trovato, è così che si trova tutto.
Figura 5: Funzione di test della foresta.
Un'eccellente visualizzazione di ciò che si può vedere durante un'enumerazione completa della TC. Naturalmente, il 3D è costituito dai due parametri di input. Ma gli scorrimenti e i picchi sono chiaramente visibili. Per i TC, i picchi sono generalmente malvagi. Le cime delle colline, invece, sono le più interessanti.
Per quanto riguarda i picchi, essi sono malvagi. Per i TC, sono casualità - un adattamento stretto (indipendentemente dal criterio di ottimizzazione).
Sì. Penso che se dopo ogni ottimizzazione si taglia una parte dello spazio (come l'80% dell'input, quello che c'è in giro) del globale trovato, è così che si trova tutto.
Tale porzione è caratterizzata da un determinato intervallo per ogni parametro di input. Quindi, se si dispone dei dati della regione di taglio, è possibile eseguire molto facilmente (anche nel Tester standard) l'ottimizzazione senza questo pezzo di spazio.
Ma mi manca completamente la competenza su come definire l'area intorno al massimo globale trovato nei risultati del GA.
Un semplice esempio. Abbiamo eseguito un'ottimizzazione su una certa TC. L'ottimizzazione si è conclusa con l'emissione di una serie di input. Dobbiamo trovare il cluster di punti multidimensionali più evidente (il numero di punti diviso per il raggio minimo della sfera in cui si inseriscono) tra questi insiemi.
Ciò che serve è una modalità che trovi tutte le colline e fornisca questi intervalli per tutti i parametri che possono essere ulteriormente elaborati.
Le ottimizzazioni successive possono essere effettuate solo all'interno degli intervalli di tali colline di robustezza.
sono le cime delle colline ad essere le più interessanti.