Discussione sull’articolo "Algoritmi di ottimizzazione della popolazione: Semina e Crescita degli Alberelli (Saplings Sowing and Growing up - SSG)" - pagina 5

Nuovo commento
 
fxsaber #:

ZY È strano che persone "intelligenti" con suggerimenti di lisciatura non capiscano la natura della formazione della superficie dell'oggetto.

Ho formulato la domanda molto male, è strano che non sia stato minimamente verbalizzato.
 
mytarmailS #:
Beh, allora è abbastanza semplice, come ho scritto sopra.
Sono necessari 20 picchi, basta eseguire l'AO 20 volte.

Si otterrà un file opt con 20 esecuzioni di ottimizzazione. Dove si trovano questi 20 picchi?

 
fxsaber #:

Quindi si ottiene un file opt con 20 ottimizzazioni. Dove si trovano questi 20 picchi?

Il risultato dell'ottimizzazione
cioè la migliore soluzione trovata.
Intendete i parametri che stavate cercando.

Questo è il picco sulla superficie multidimensionale di tutte le possibili varianti dei parametri.
 
mytarmailS #:
Ho formulato la domanda molto male, sono sorpreso di non essere stato bannato.

La formulazione è esaustiva. I furbi erano troppo pigri o non hanno visto la domanda.

 
mytarmailS #:
Ebbene, il risultato dell'ottimizzazione
cioè la migliore soluzione trovata
Quindi i parametri che stavate cercando

Questo è il picco sulla superficie multidimensionale di tutte le possibili varianti dei parametri.

Questo è solo UN picco.

 
ah ecco di cosa ha bisogno un riccio.....
Bene, allora ape, cuculo, scimmia e batterio. Questi algoritmi raggruppano praticamente tutti i picchi (se possibile, se la dimensione della popolazione è commisurata al numero di picchi).
 
fxsaber #:

È solo una foto.

Beh, una corsa completa di AO == un picco.

20 corse == 20 picchi.

O mi sfugge il punto?
 
Per questi compiti specifici, si può pensare a un meccanismo di "kick-out", quando un gruppo che è cresciuto troppo viene cacciato dal gruppo, che è costretto a formare gruppi in estremi separati.
 
mytarmailS #:
Beh, una corsa completa AO == un picco.

20 lanci == 20 picchi.

Oppure non ho ancora capito il punto?

un buon algoritmo troverà lo stesso picco, qual è il punto? o usare deliberatamente un algoritmo di merda?
 
Andrey Dik #:

un buon algoritmo troverà lo stesso picco, che senso ha? o applicare deliberatamente un algoritmo di merda?
Limitare il numero Iterazioni.
Parametri iniziali randomizzati

Se lo spazio è ampio, non troverà quasi mai la stessa cosa.

È anche possibile penalizzare in FF la somiglianza dei parametri attuali con quelli passati già trovati.

Quindi, tutto è risolvibile.

12345678910111213
Nuovo commento