기고글 토론 "모집단 최적화 알고리즘: 묘목 파종 및 성장(SSG)" - 페이지 10

새 코멘트
 
일종의 교차 검증을 통해 최적의 바늘 또는 표면을 선택합니다. 그리고 많은 바늘을 얻기 위해 다양한 기록에 걸쳐 최적화할 수 있습니다. 동일한 PH-ID는 동일하게 유지됩니다.
 
Andrey Dik #:

저는 MQL의 다른 문서에 대해 책임을 질 수 없지만, 그곳 사람들은 당신과 달리 무언가를 하고 공유했습니다.
위키백과는 책임감 없는 사람들의 단순한 글일 뿐이고 정치화된 글일 뿐입니다.
제 글에 대해 정확히 뭐가 안 되는 건가요? 그만 떠들고 뭐라도 하세요.
네, 제가 홍보를 할 때 위키백과 문서를 직접 관리한 적이 있어요 😀 사람들을 위키백과로 보내면 똑같은 내용이 나오잖아요. 정말 웃기죠.
 
안드레이, 알고리즘이 더 많이 남아 있나요? SSG에서 멈추는 것이 합리적일까요, 아니면 더 강력한 알고리즘이 있을까요? )
 
Maxim Dmitrievsky #:
일종의 교차 검증을 통해 최적의 바늘 또는 표면을 선택합니다. 그리고 많은 바늘을 얻기 위해 다양한 기록에 걸쳐 최적화할 수 있습니다. PH는 동일하게 유지됩니다.

그런데 여기에는 항상 부어지는 매개 변수를 필터링하는 방법이 있습니다(올빼미에 오류로 입력하면 테스터가 건너뜁니다). 가장 자주 부어지는 영역을 선택한 다음 상상력이 떠오르는 대로 이러한 부어지는 영역을 사용합니다.

 
Andrey Dik #:

그런데 여기에 항상 소모되는 매개 변수를 필터링하는 방법이 있습니다(올빼미에 오류로 입력하면 테스터가 건너뜁니다). 가장 자주 부어지는 영역을 선택한 다음 상상력이 이끄는 대로 이러한 부어지는 영역을 사용합니다.

테스터가 여러 기록과 평균으로 실행할 수 있는 직관적인 방법이 없는 이유는 명확하지 않습니다. 아마도 프레임을 통해 어떤 식으로든 수행되는 것 같습니다.
 
Maxim Dmitrievsky #:
안드레이, 알고리즘이 더 많이 남아 있나요? SSG에서 멈추는 것이 합리적일까요, 아니면 더 강력한 알고리즘이 있을까요? )

많은 알고리즘이 있지만 더 강력한 알고리즘이 있는지 모르겠습니다.

테이블은 살아 있고, 저는 배우면서 알고리즘을 추가합니다. 즉, 저기있는 것이 가장 멋지다고 말할 수 없으며 제가 설명한 것만 알고 있습니다)))).

사실, 개미, 벌, 잡초를 가져가는 것은 이미 가능했고, 그들은 아주 좋습니다. 물론 나무는 이제 모두 찢어지고 다음 리더는 무엇일까요-모르겠습니다.

나는 알려진 중요한 것들을 모두 살펴본 후에 하이브리드에 도달 할 것이고, 하이브리드는 매우 유망합니다.

지금은 인구 유형을 고려하고 있지만 다른 유형도 있으므로 연구하는 것도 흥미로울 것입니다.

 
Maxim Dmitrievsky #:
지금까지 테스터에서 여러 기록에서 실행하고 평균화하는 직관적 인 방법이없는 이유를 잘 이해하지 못합니다. 아마도 프레임을 통해 어떻게 든 수행되었을 것입니다.
테스터/옵티마이저를 사용하면 일반적으로 새로운 아이디어가 많이 나오는데, 전담 개발자가 하는 것인지 아니면 가능한 팀 중 누구라도 하는 것인지 모르겠습니다....
 
Nikolai Semko #:
문맥에서 벗어난 내용입니다. 계속 읽어보세요.
저는 OP에서 점 선택의 정확성이 언덕이나 함몰에 의존하지 않고 시간 내 국부 운동 벡터의 속도에도 의존하지 않고 가속도 벡터 (속도의 미분)의 부호에만 의존한다고 말했지만 그 중 한 부분은 알려지지 않은 미래에 있습니다.
그래서 제가 말씀드리고 싶은 것은 OD의 시간 변화를 관찰함으로써
다음 OD를 예측할 수 있으며, 이는 가속도 벡터의 부호와 점과 적합도를 얻을 수 있다는 것을 의미합니다....
그래서 알 수 없는 것이 미래입니다.


OP는 최적화 곡면입니다.
 

3차원 사진을 보고 아이디어를 얻는 것은 큰 실수입니다. 2차원 그림에서 3차원 사례에 대한 결론을 도출하는 것과 같습니다.

두 개의 매개변수를 사용하면 안장의 수는 대략 맥시마의 수와 일치하며, 두 맥시마 사이에는 하나의 안장이 있습니다(매개변수가 하나이면 안장이 전혀 없음). 매개변수의 수가 증가함에 따라 새들의 수는 극값의 수보다 훨씬 많아지고 더 다양해집니다. 그리고 최대화의 주요 작업은 새들을 극한값으로 삼지 않는 것이 되는데, 이는 계산 포인트의 수가 제한되어 있기 때문에 가능합니다.

매개 변수에 대한 대상의 의존성에 불연속성이 있으면 완전한 어둠이 존재하며 모든 다변량 변형을 상상하는 것은 불가능합니다.

 
Aleksey Nikolayev #:

3차원 사진을 보고 아이디어를 얻는 것은 큰 실수입니다. 2차원 사진에서 3차원 사례에 대한 결론을 도출하는 것과 같습니다.

두 개의 매개변수를 사용하면 안장의 수는 대략 최대값의 수와 일치하며, 두 개의 최대값 사이에는 하나의 안장이 있습니다(매개변수가 하나이면 안장이 전혀 없음). 매개변수의 수가 증가함에 따라 새들의 수는 극값의 수보다 훨씬 많아지고 더 다양해집니다. 그리고 최대화의 주요 작업은 새들을 극한값으로 삼지 않는 것이 되는데, 이는 계산 포인트의 수가 제한되어 있기 때문에 가능합니다.

매개 변수에 대한 대상의 의존성에 불연속성이 있으면 완전한 어둠이 존재하며 모든 다변량 변형을 상상하는 것은 불가능합니다.

네, 맞습니다. 3차원 그림은 우리가 볼 수 있는 최대치이며, 그 이상의 차원은 볼 수 없습니다. 하지만 AO 테스트를 위해서는 표면에 대한 아이디어가 필요합니다.

저는 3차원 테스트 함수(두 개의 파라미터)를 사용하며, 테스트에 1000개의 파라미터가 있는 경우에도 500개의 테스트 함수를 사용합니다.

전문가 어드바이저의 경우처럼 FF가 매개 변수에서 "이질적"인 경우 자이르 표면을 전혀 상상할 수 없지만 "동질적"테스트 함수보다 더 어렵지는 않습니다. 예를 들어, 실제로 두 개의 매개 변수를 선택하고 다른 모든 매개 변수에 복사 할 수 있으므로 기사의 모든 알고리즘은 "치팅"을 테스트 한 다음 테스트 다변량 함수가 하나 및 두 번 클릭 할 수 있습니다.

알고리즘의 "평행-수직"(정확히 어떻게 호출되는지 모르겠습니다) 경향에 대한 방법도 있는데, 알고리즘이 정점과 최저점이 좌표축에 수직 및 수평으로 위치하는 더 나은 최적화 문제를 해결하는 경우 이러한 알고리즘은 회전이있는 함수 (테스트 함수를 가져 와서 5-10도 회전)에 대한 테스트에 실패하는 것입니다.

1...345678910111213
새 코멘트