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

Andrey Dik 2023.03.22 09:48 #11

Andrey Dik #:

이 주제에 관심이있는 모든 사람들에게 흥미로운 질문 : 로컬 극한과 글로벌 극한의 차이점은 무엇입니까 (FF 값의 차이를 고려하지 않음)?

아무것도 아닙니다.

mytarmailS 2023.03.23 13:27 #12

fxsaber #:

바늘 안테나 몇 개.

무엇을 원하는지 잘 이해하지 못해서 보드의 품질을 보장할 수 없습니다....

더 나은 솔루션/세트를 찾고 싶으신 건 이해합니다. 시스템에 대한 매개 변수.

그래서 함수의 최소값을 여러 개 찾고 싶으신 거군요...

그런 다음 전역 최적화 알고리즘(예: 유전자)을 여러 번 실행하여 서로 다르지만 최적의 최소값에 가까운 여러 솔루션을 얻으세요....

Andrey Dik 2023.03.23 15:07 #13

mytarmailS #:
무엇을 원하는지 잘 몰라서 조언의 품질을 보장할 수 없습니다...

최상의 솔루션/세트를 찾고 싶으신 건 이해합니다. 어떤 종류의 시스템을 가지고 있는지 알려주세요.

즉, 함수의 최소값을 여러 개 찾으려고 합니다.

그런 다음 전역 최적화 알고리즘(예: 유전자)을 여러 번 실행하여 서로 다르지만 최적의 최소값에 가까운 여러 솔루션을 얻으면 됩니다....

그게 필요한 것입니다:

fxsaber 2023.03.23 19:09 #14

Andrey Dik #:

그것이 바로 필요한 것입니다:

그렇지 않습니다. 한 GA가 그림과 같은 함수에 대해 100개의 단계를 수행했다고 가정해 보겠습니다. 그 중 90개는 글로벌 근처에 도달할 것입니다. 이것이 바로 취할 가치가 있는 가까운 클러스터입니다.

고슴도치를 다루고 있다면 몇 가지 지점을 중심으로 많은 미니 클러스터를 얻을 수 있습니다. 이러한 점들이 바로 우리에게 필요한 것입니다. GA는 클러스터 주변의 좁은 공간을 통해 클러스터의 좌표를 세분화할 수 있습니다.

대략적으로 말하면, GA 결과를 클러스터로 분류한 다음 각 클러스터를 좁은 최적화를 통해 마무리해야 합니다. 그러면 TC에 "흥미로운" 입력 매개변수 집합을 얻을 수 있습니다.

Andrey Dik 2023.03.23 19:24 #15

fxsaber #:

그렇지 않습니다. 그림과 같은 함수에 대해 총회가 100개의 단계를 밟았다고 가정해 보겠습니다. 그 중 90개는 글로벌에 근접하게 될 것입니다. 이것이 바로 주목할 가치가 있는 근접 클러스터입니다.

고슴도치를 다루고 있다면 몇 가지 지점을 중심으로 많은 미니 클러스터를 얻을 수 있습니다. 이러한 점들이 우리에게 필요한 것입니다. GA는 클러스터 주변의 좁은 공간을 통해 클러스터의 좌표를 세분화할 수 있습니다.

대략적으로 말하면, GA 결과를 클러스터로 분류한 다음 각 클러스터를 좁은 최적화를 통해 마무리해야 합니다. 그러면 TC에 "흥미로운" 입력 매개변수 집합을 얻을 수 있습니다.

그렇죠?

fxsaber 2023.03.23 19:32 #16

Andrey Dik #:

그게 다인가요?

예. 각 최적화 후에 찾은 글로벌에서 공간의 일부(예: 입력의 80%, 주변)를 잘라내면 모든 것을 찾을 수 있다고 생각합니다.

fxsaber 2023.03.23 19:39 #17

그림 5: 포리스트 테스트 기능.

전체 TC 열거 중에 볼 수 있는 것을 훌륭하게 시각화한 것입니다. 물론 여기서는 3D가 두 개의 입력 매개변수입니다. 하지만 슬라이드/스파이크는 명확하게 볼 수 있습니다. TC의 경우 스파이크는 일반적으로 악영향을 미칩니다. 반면에 힐탑은 가장 흥미롭습니다.

스파이크가 악이라는 것에 대해. TC의 경우, ( 최적화 기준과 상관없이) 딱 맞는 무작위성입니다.

fxsaber 2023.03.23 19:51 #18

fxsaber #:

네. 각 최적화 후에 찾은 글로벌에서 공간의 일부 (예: 입력의 80% 정도)를 잘라내면 모든 것을 찾을 수 있다고 생각합니다.

이러한 청크는 각 입력 매개변수에 대해 주어진 간격으로 특징지어집니다. 따라서 잘라낸 영역의 데이터만 있다면 표준 테스터에서도 이 공간 없이도 매우 쉽게 최적화를 수행할 수 있습니다.

하지만 저는 GA 결과에서 발견된 글로벌 최대값 주변의 영역을 정의하는 방법을 완전히 알지 못합니다.

간단한 예를 들어보겠습니다. 일부 TC에서 최적화를 실행했습니다. 일련의 입력 세트를 출력하는 것으로 끝났습니다. 이 집합 중에서 가장 눈에 띄는 다차원 점의 클러스터(점의 수를 해당 점들이 속한 구의 최소 반지름으로 나눈 값)를 찾아야 합니다.

Anatoli Kazharski 2023.03.23 19:55 #19

fxsaber 최적화 기준과 상관없이) 딱 맞는 무작위성입니다.

필요한 것은 모든 언덕을 찾아내고 더 작업할 수 있는 모든 매개변수에 대해 이러한 범위를 제공하는 모드입니다.

이후 최적화는 이러한 견고성 언덕의 범위 내에서만 수행할 수 있습니다.

fxsaber 2023.03.23 19:58 #20

fxsaber #:

가장 흥미로운 것은 언덕 꼭대기입니다.

언덕에는 많은 용도가 있을 수 있습니다. 가장 인기있는 것은 이러한 언덕의 포트폴리오입니다. 이는 매우 안정적인 하위 TS 포트폴리오로 밝혀졌습니다.

기고글 토론 "모집단 최적화 알고리즘: 묘목 파종 및 성장(SSG)" - 페이지 2