記事「ブレインストーム最適化アルゴリズム(第2部）：マルチモーダリティ」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「ブレインストーム最適化アルゴリズム(第2部）：マルチモーダリティ」はパブリッシュされました:

記事の第2部では、BSOアルゴリズムの実用的な実装に移り、テスト関数のテストを実施し、BSOの効率を他の最適化手法と比較します。

第１部では、ブレインストーミングにヒントを得たこの革新的な手法の基本原理を明らかにするブレインストーム最適化(BSO)アルゴリズムで最適化の世界を掘り下げました。その論理構造を学ぶとともに、クラスタリング手法であるK-MeansとK-Means++の議論にも踏み込みました。ブレインストーム最適化(BSO: Brain Storm Optimization)は、グループ活動におけるアイデア創出と評価フェーズを組み込んだ最適化手法です。このアルゴリズムは、クラスタリング手法と組み合わせた最適化の分野に貢献しました。クラスタリングによって、似たようなデータ要素のグループを特定することができ、BSOが最適なソリューションを見つけるのに役立ちます。突然変異法を用いることで、アルゴリズムは解探索空間の障害物を迂回し、より効率的な最適解への経路を探索することができます。

今こそ実際の行動に移るときです。第2部では、アルゴリズムの実用的な実装に飛び込み、マルチモダリティについて話し、アルゴリズムをテストし、結果を要約します。

作者: Andrey Dik

 
マルチモダリティが機能すれば、正弦の頂点がたくさん表示されるはずだ。
 
単峰AOが失敗した例。

取引、自動取引システム、取引戦略のテストに関するフォーラム

論文 "最適化アルゴリズムの効率性における乱数発生器の品質の役割 "についての議論

fxsaber, 2024.04.01 19:17

このような関数を取りました。 
input double X = 0;

double OnTester() { return(MathTan(X)); }

よくわからない結果。繰り返しのポークを実装すれば、たくさんの "石 "を見つけることができるだろう。

タンジェントは失敗したFFで、TS-FFはもっと簡単に突き刺すことができる。

 
fxsaber #:
マルチモダリティが機能すれば、正弦の頂点がたくさん表示されるはずだ。
マルチモダリティに関する限り、私はこのアルゴリズムの性能に満足していないと言わざるを得ない。記事の中で、私は読者にこのアルゴリズムの研究に参加するよう勧めている。おそらく、最適化の過程で定期的に更新・補充できるように、別の「参照」モーダルマップを保持することが必要なのだろう。
 
私の意見では、純粋にビジュアルだけを追求するなら、ESGの方が改造においてはるかに優れている。ソーシャルグループが クラスタリングに参加する可能性を追加したい。声を大にして思う。
新しいコメント