記事「母集団最適化アルゴリズム：人工多社会的検索オブジェクト（MSO）」についてのディスカッション

新しいコメント
 

新しい記事「母集団最適化アルゴリズム：人工多社会的検索オブジェクト（MSO）」はパブリッシュされました:

前回に引き続き、社会的集団について考えてみたいと思います。この記事では、移動と記憶のアルゴリズムを用いて社会集団の進化を探求しています。その結果は、社会システムの進化を理解し、最適化や解の探索に応用するのに役立つでしょう。

前回は、探索空間を自由に移動する社会集団の進化について考えました。しかし、ここで私は、この概念を変え、集団はセクター間を移動し、セクターからセクターへと飛び移ることを仮定することを提案します。すべての集団はそれぞれの中心を持ち、アルゴリズムの各反復で更新されます。さらに、集団全体と集団内の個々の粒子の両方に記憶の概念を導入します。これらの変更により、私たちのアルゴリズムでは、集団が最適解に関する情報に基づいてセクターからセクターへと移動できるようになりました。

この新たな修正は、社会集団の進化を研究するための新たな可能性を開くものです。セクターを移動することで、各集団は各セクター内で情報や経験を共有し、より効果的な検索や適応につなげることができます。記憶を導入することで、集団は以前の動きに関する情報を保持し、それを将来の動きに関する判断に用いることができます。

この記事では、これらの新しい概念がアルゴリズムの検索パフォーマンスにどのような影響を与えるかを探るため、一連の実験をおこないます。私たちは、集団間の相互作用、協力調整能力、学習適応能力を分析します。今回の発見は、社会システムの進化に光を当て、集団がどのように形成され、進化し、環境の変化に適応していくのかをよりよく理解する一助となるでしょう。

作者: Andrey Dik

 

理論的な質問（実際にテスト可能）。

例えば5つの値の範囲を持つ偽の（FF計算に関与しない）パラメータをセットに追加した場合、アルゴリズムの結果は改善/悪化しますか？

 

TCとしてのFFの複雑さについて。

標準的なGAでは、緑色のフレームで最適化が終了した。


まず手探りでGAを再スタートさせたところ、はるかに良い結果が得られた（赤枠）。

 
fxsaber #:

TCとしてのFFの複雑さについて。

スタッフGAはグリーンボックスでの最適化を終えた。

まず手探りでGAを再スタートさせると、はるかに良い結果が出た（赤枠）。

標準的なGAでは、複数回の起動が推奨される手法である（それが良いか悪いかは分からない-賛否両論ある）。

 
fxsaber #:

理論的な質問（実際にテストできる）。

例えば5つの値の範囲を持つ偽の（FFの計算に関与しない）パラメータをセットに追加した場合、アルゴリズムの結果は改善/悪化するでしょうか？

明確に悪化します。FFの実行は、"良い "偽パラメータを見つけようとする無駄な試みに費やされることになります。

偽パラメータの可能な変種の割合が、可能なパラメータ変種の総数から大きければ大きいほど、その影響は強くなります - ランダムな結果を目指す限界において。

 
Stanislav Korotky #:

標準的なGAの場合、複数回のスタートが推奨されるテクニックだ（これが良いか悪いかは分からない--賛否両論ある）。

ありがとう。

 
Andrey Dik #:

劣化する、はっきりと。良い」偽パラメータを見つけようとする無益な試みにffの実行が浪費される。

可能なパラメーターのバリエーション総数のうち、偽パラメーターの可能なバリエーションが占める割合が大きければ大きいほど、その影響は強くなる - ランダムな結果を目指す限界において。

調べてみる必要がありそうだ。

 
fxsaber #:

調べてみないとね。

もっと正確に言うと、偽のパラメータは見つけにくくなる。しかし、すべてが同じであれば、結果は悪くなる。例えば、ffを100万回走らせれば結果は同じだが、1k回走らせればその差は顕著になる。

新しいコメント