기고글 토론 "모집단 최적화 알고리즘: 묘목 파종 및 성장(SSG)" - 페이지 3

새 코멘트
 
Anatoli Kazharski #:

모든 언덕을 찾고 더 작업할 수 있는 모든 매개변수에 대해 이러한 범위를 제공하는 모드가 필요합니다.

휴리스틱이 이를 허용하지 않을까 두렵습니다.

후속 최적화는 이러한 견고성 언덕의 범위에서만 수행 할 수 있습니다.

그렇기 때문에 그렇게 작동하지 않을 가능성이 큽니다.


그러나 글로벌 최대값 영역을 잘라내고 그 영역 없이 GA를 실행하는 것은 가능합니다. 이러한 각 반복에서 우리는 이전에 찾은 것을 고려하지 않고 글로벌 최대값을 갖게 될 것입니다.

 

오랜 기간에 걸쳐 모든 매개변수 조합에 대한 최적화 결과가 있다고 가정해 보겠습니다.

시간 척도가 있는 그래픽 인터페이스가 있고, 슬라이더를 움직여 모든 견고성 언덕과 시간이 지남에 따라 어떻게 변하는지를 볼 수 있습니다.

이것은 매우 유용한 도구가 될 것입니다.

 
Anatoli Kazharski 최적화 결과가 있다고 가정해 보겠습니다.

타임라인이 있는 그래픽 인터페이스가 있고, 슬라이더를 움직이면 모든 견고성 언덕과 시간 경과에 따라 언덕이 어떻게 움직이는지 볼 수 있습니다.

이것은 매우 유용한 도구가 될 것입니다.

제가 제대로 이해하지 못했거나 너무 많은 수의 계산을 보고 있는 것 같습니다.

 
기사에 대한 별도의 주제처럼 보입니다.
FF의 개념을 이해할 필요가 있습니다.

 
fxsaber #:

제가 제대로 이해하지 못했거나 너무 많은 수의 계산을 보고 있는 것 같습니다.

물론 최적화를 완전히 마친 후 모든 결과가 나오는 것이 가장 이상적입니다. 하지만 그럴 필요가 없을 수도 있습니다.

또한 모든 매개변수 범위에서 견고성 언덕의 범위를 시각화할 수 있는 도구가 필요합니다.

(대략적으로) 다른 범위와 조합했을 때 더 나은 성능을 보이는 범위라고 가정해 보겠습니다(다른 색은 다른 언덕에서 두 번째 범위를 나타냅니다):


 
Andrey Dik #:
를 사용하려면 FF의 개념을 분석해야 합니다.

약어가 이해되지 않습니다.

안드레이 딕 #:
기사에 대한 별도의 주제가 나올 것 같습니다.

먼저 최적화 결과의 옵트 포맷이 완전히 개방되어 있으므로 표준 GA로 찾은 글로벌 GA 주변 영역을 선택할 수 있습니다.

그리고 일반 GA를 비교 테이블에 추가하는 것도 흥미로울 것입니다.

AO

설명

Rastrigin

라스트리긴 최종

Forest

숲 최종

메가시티(불연속형)

메가시티 결승

최종 결과

10개 매개변수(5F)

50개 파라미터(25F)

1000개 파라미터(500F)

10개의 파라미터(5F)

50개 파라미터(25F)

1000개 매개변수(500F)

10개의 파라미터(5F)

50개 매개변수(25F)

1000개 매개변수(500F)



 
Anatoli Kazharski #:

물론 모든 최적화가 완료된 후 모든 결과를 얻는 것이 가장 이상적입니다. 하지만 그럴 필요가 없을 수도 있습니다.

모든 매개변수 범위에서 견고성 언덕의 범위를 시각화할 수 있는 도구도 필요합니다.

(대략적으로) 다른 범위와 조합하여 더 나은 성과를 낸 범위라고 가정해 보겠습니다(다른 색은 다른 언덕에서 두 번째 범위를 나타냅니다):

계속해서 개념을 완전히 잘못 이해하고 있는 것 같습니다.

 
fxsaber #:

1. 약어를 이해할 수 없습니다.

2. 최적화 결과의 옵트 포맷이 완전히 개방되어 있으므로 처음에는 표준 GA로 찾은 글로벌 주변 영역을 선택해 볼 수 있습니다.

그리고 일반 GA를 비교 테이블에 추가하는 것도 흥미로울 것입니다.


1. 피트니스 기능, 적응성
2. 그래서 아이디어가 떠 올랐거나 오히려 오랫동안 내 마음 속에있었습니다. 심지어 6 년 된 기사 초안이 있습니다.
3. 복잡하고 섬세한 문제입니다. 테스트 결과가 있지만 많은 단점이 있습니다. 허용된다면 다음 기사의 표에서 공유 할 준비가되었습니다.
 
Andrey Dik #:
1. 피트니스 기능, 적응성

저는 용어에 약합니다. 최적화 기준이라면이 문제에 왜 필요한지 모르겠습니다. 테스트 대상이 필요하다면 Forest가 좋습니다.

 
fxsaber #:

저는 용어에 약합니다. 최적화 기준이라면이 작업에 왜 필요한지 이해가되지 않습니다. 테스트 대상이 필요하다면 Forest가 좋습니다.


포레스트는 FF 즉, 최적화 대상 시스템에 부과된 몇 가지 요구사항인데, 시스템에 대한 요구사항이 변경되면 FF는 변경되겠지만 시스템은 변경되지 않았겠죠?
마치 사용자가 다양한 방법으로 요구 사항을 변경하려고 시도했지만 여전히 Forest를 얻은 것과 같습니다. 통합 FF는 예를 들어 밸런스와 같이 Forest와 똑같이 보입니다.
가능하면 일체형 FF를 사용하지 않는 것이 필요하고, 가능하지 않은 경우 FF 위에 NADstroika를 만드는 것, 즉 급격한 피크를 피하기 위해 FF에 FF를 적용하는 것이 필요합니다. 균형 FF에 대한 클래스터링은 FF에 대한 NADstroika입니다.
(아마도) 숲처럼 보입니다. 근처 어딘가에있는 감각 입자에 대한 균형에 의한 최적화 결과의 탁한 물에서 낚시를 할 수 있고, 다른 방향으로 갈 수 있으며, 표면이 더 이상 급격히 유한하지 않도록 균형 FF를 상부 구조화하고 필요한 모든 매개 변수가 가장 높은 완만 한 언덕에 가깝고 동시에 놓일 수 있습니다!
요컨대, FF가 급격히 유한하다면 이것이 실제로 문제에서 짜낼 수있는 전부이거나 연구원이 실수를 저질렀다고 말할 수 있습니다.
12345678910...13
새 코멘트