묘목 파종 및 성장(SSG) 알고리즘은 다양한 조건에서 뛰어난 생존 능력을 발휘하는 지구상에서 가장 탄력적인 유기체 중 하나로부터 영감을 받은 것입니다.
이 알고리즘은 작성자가 명확하게 설명하지 않은 몇 안 되는 알고리즘 중 하나입니다(기본 조항과 아이디어만 제공됨). 저자가 제시한 알고리즘 연산자 또한 프로그램의 알고리즘 구현을 위한 이미 준비된 지침이 아니며 자식 트리와 부모 트리의 상호 작용에 대한 명확한 지침도 없습니다. 연산자가 실행되는 어떠한 주문이던 실행되며 모든 사용자는 더 나은 묘목을 얻기 위해 주문을 변경할 수 있습니다.
넓은 의미에서 SSG는 최적화 알고리즘이 아니라 최적화 품질을 개선하기 위해 다른 알고리즘을 보완하도록 설계된 일반적인 규칙의 집합입니다. 즉 SSG는 모든 진화적 모집단 알고리즘을 위한 부가 기능으로 상상력의 여지가 있고 최적화 알고리즘의 특정한 구현을 실험해 볼 수 있는 기회가 됩니다. 저는 이전의 알고리즘을 작성하면서 제 생각과 경험을 적용하여 이들이 SSG와 함께 작동하도록 했습니다. 실험 결과는 독자의 판단을 돕기 위해 아래에 제시되어 있습니다.
알고리즘을 이해하려면 우리는 나무를 최적화 에이전트라고 생각해야 합니다. 나무는 최적화 문제에 대한 해결책이고 각각의 가지는 문제의 최적화 매개변수입니다. 그림 1에는 자식 나무와 부모 나무의 추상적이고 예술적인 그림이 나와 있습니다. 나무 기둥은 최적화할 매개변수의 집합입니다. 각각의 가지는 별도의 최적화된 매개변수로 가지의 길이는 해당 매개변수의 허용 가능한 값 범위에 의해 제한됩니다. 가지의 방향은 중요하지 않으며 그림에서 차이를 강조하기 위해 표시된 것일 뿐입니다.
새로운 기고글 모집단 최적화 알고리즘: 묘목 파종 및 성장(SSG) 가 게재되었습니다:
이 알고리즘은 작성자가 명확하게 설명하지 않은 몇 안 되는 알고리즘 중 하나입니다(기본 조항과 아이디어만 제공됨). 저자가 제시한 알고리즘 연산자 또한 프로그램의 알고리즘 구현을 위한 이미 준비된 지침이 아니며 자식 트리와 부모 트리의 상호 작용에 대한 명확한 지침도 없습니다. 연산자가 실행되는 어떠한 주문이던 실행되며 모든 사용자는 더 나은 묘목을 얻기 위해 주문을 변경할 수 있습니다.
넓은 의미에서 SSG는 최적화 알고리즘이 아니라 최적화 품질을 개선하기 위해 다른 알고리즘을 보완하도록 설계된 일반적인 규칙의 집합입니다. 즉 SSG는 모든 진화적 모집단 알고리즘을 위한 부가 기능으로 상상력의 여지가 있고 최적화 알고리즘의 특정한 구현을 실험해 볼 수 있는 기회가 됩니다. 저는 이전의 알고리즘을 작성하면서 제 생각과 경험을 적용하여 이들이 SSG와 함께 작동하도록 했습니다. 실험 결과는 독자의 판단을 돕기 위해 아래에 제시되어 있습니다.
알고리즘을 이해하려면 우리는 나무를 최적화 에이전트라고 생각해야 합니다. 나무는 최적화 문제에 대한 해결책이고 각각의 가지는 문제의 최적화 매개변수입니다. 그림 1에는 자식 나무와 부모 나무의 추상적이고 예술적인 그림이 나와 있습니다. 나무 기둥은 최적화할 매개변수의 집합입니다. 각각의 가지는 별도의 최적화된 매개변수로 가지의 길이는 해당 매개변수의 허용 가능한 값 범위에 의해 제한됩니다. 가지의 방향은 중요하지 않으며 그림에서 차이를 강조하기 위해 표시된 것일 뿐입니다.
작성자: Andrey Dik