기고글 토론 "모집단 최적화 알고리즘: 묘목 파종 및 성장(SSG)" - 페이지 5

새 코멘트
 
fxsaber #:

ZY 스무딩에 대한 제안을 가진 "똑똑한"사람들이 표면 물체의 형성의 본질을 이해하지 못하는 것은 이상합니다.

나는 질문을 매우 나쁘게 공식화했는데, 내가 전혀 분하지 않은 것이 이상합니다.
 
mytarmailS #:
위에서 설명한 것처럼 아주 간단합니다.
20개의 피크가 필요하면 AO를 20번 실행하면 됩니다.

그러면 20번 실행한 최적화가 포함된 옵트 파일이 생성됩니다. 이 20개의 피크는 어디에 있을까요?

 
fxsaber #:

따라서 20개의 최적화 실행이 포함된 옵트파일을 얻게 됩니다. 이 20개의 피크는 어디에 있을까요?

최적화의 결과, 즉
즉, 찾은 최상의 솔루션입니다.
찾고 있던 파라미터를 말하는군요.

이것은 가능한 모든 매개변수 변형의 다차원 표면상의 피크입니다.
 
mytarmailS #:
질문의 표현이 매우 잘못되어서 차단되지 않은 것이 놀랍습니다.

문구가 너무 포괄적이었어요. 똑똑한 사람들은 너무 게으르거나 질문을 보지 못했습니다.

 
mytarmailS #:
최적화 결과
즉, 찾은 최상의 솔루션
따라서 찾고 있던 매개변수는

가능한 모든 매개변수 변형의 다차원 표면에서 피크입니다.

이것은 단 하나의 피크입니다.

 
아 고슴도치에게 필요한 것.....
꿀벌, 뻐꾸기, 원숭이, 박테리아 이 알고리즘은 거의 모든 피크에서 클러스터링됩니다(가능한 경우 인구 규모가 피크 수에 비례하는 경우).
 
fxsaber #:

그건 단 한 장의 사진입니다.

음, 한 번의 전체 AO 실행 == 하나의 봉우리.

20회 달리기 == 20개의 봉우리.

아니면 제가 요점을 놓치고 있는 건가요?
 
이러한 특정 작업의 경우, 너무 커진 그룹을 그룹에서 쫓아내는 '킥 아웃' 메커니즘을 생각할 수 있는데, 이 메커니즘은 극단적으로 분리된 그룹을 형성하도록 강요합니다.
 
mytarmailS #:
전체 AO 실행 1회 = 피크 1회.

20회 실행 == 20개의 피크.

아니면 제가 아직도 요점을 놓치고 있는 건가요?

좋은 알고리즘이 같은 피크를 찾으면 무슨 소용이 있을까요? 아니면 일부러 엉터리 알고리즘을 사용하는 건가요?
 
Andrey Dik #:

좋은 알고리즘이 같은 피크를 찾으면 무슨 소용이 있을까요? 아니면 일부러 엉터리 알고리즘을 적용할까요?
횟수 제한 반복.
무작위 초기 매개변수

공간이 크면 거의 같은 것을 찾지 못합니다.

현재 매개변수와 이미 찾은 과거 매개변수의 유사성에 대해 FF에서 페널티를 줄 수도 있습니다.

따라서 모든 것이 해결 가능합니다.

12345678910111213
새 코멘트