Discussão do artigo "Algoritmos de otimização populacionais: Algoritmo de mudas, semeadura e crescimento (SSG)" - página 11

Novo comentário
 
Maxim Dmitrievsky #:
Uma espécie de validação cruzada seleciona a melhor agulha ou superfície. E para obter muitas agulhas, você pode otimizar em diferentes partes do histórico. O ph-i permanece o mesmo.

Aparentemente, trata-se de outras agulhas além das que eu disse anteriormente.

 
fxsaber #:

Aparentemente, trata-se de agulhas diferentes das que eu estava falando anteriormente.

Sobre as de mapeamento. Divida a amostra em 10 partes, em cada uma delas otimize e descarte conjuntos com picos incômodos exclusivos de cada parte que não estejam nas outras. Então, se você excluí-los da otimização geral de todos os dados, haverá paz, tranquilidade e a bondade de Deus. Mas isso não é exato, apenas inventei. Não sei como excluir intervalos arbitrários em variáveis opt.
 

Maxim Dmitrievsky #:
Про картиночные. Разбить выборку на 10 частей, на каждой оптимизировать и выбросить сеты с уникальными раздражающими пиками из каждого куска, которых нет в других.

Em termos de recursos de computação, é igual a quaisquer 10 otimizações.

Então, se você as excluir da otimização geral em todos os dados, haverá paz, tranquilidade e a graça de Deus. Mas isso não é exato, acabei de inventar.

E encontramos uma colina.

Não sei como excluir intervalos arbitrários em variáveis opt.

Está bem.

 
fxsaber #:

Em termos computacionais, isso é igual a quaisquer 10 otimizações.

E encontramos uma colina.

Certo.

O objetivo final é encontrar as colinas, as agulhas são colinas intermediárias.

Certo, bem, esse é praticamente o padrão no MoD. Se os dados forem ruins, geralmente não servem para muita coisa. Se não forem ruins, não são muito necessários :)
 
Maxim Dmitrievsky #:
O objetivo final parece ser encontrar as colinas

Mais de um. Por isso sugeri a opção de descarte sequencial.

 
Andrey Dik #:

Há muitos algoritmos, não sei se há algoritmos ainda mais legais.

A tabela está viva, eu adiciono algoritmos a ela à medida que os aprendo, ou seja, não posso dizer que aquele ali é o mais legal, só conheço os que descrevi)))

De fato, já era possível pegar a formiga, a abelha e a erva daninha, elas são muito boas. de madeira, é claro, agora rasga todo mundo, qual será o próximo líder - eu não sei.

Chegarei aos híbridos quando analisar todos os conhecidos significativos, pois os híbridos são muito promissores.

Por enquanto, estou considerando os tipos de população, mas há outros tipos, e será interessante estudá-los também.

talvez já exista um:)

 
Maxim Dmitrievsky #:

talvez já exista um:)

Sim, um organismo muito interessante.))))

Mas a lesma usa apenas 2 dimensões, e até mesmo os AOs mais simples conseguem lidar com 2 dimensões. Como ela se comportará em 1000 dimensões é uma grande questão, porque a complexidade do problema cresce de forma não linear com o número de dimensões.

 
Andrey Dik #:

à medida que o número de medições aumenta, a complexidade do problema cresce de forma não linear.

Para a autoeducação, qual é a dependência da complexidade das medições?

 
fxsaber #:

Para a autoeducação, qual é a dependência da complexidade em relação à medição?

Confesso que não sei, só sei que ela cresce de forma não linear e rápida.

Aleksey Nikolavev apareceu aqui, talvez ele saiba a resposta exata para essa pergunta. Esqueci como se chama um usuário do fórum.


No momento, estou verificando um artigo sobre busca eletromagnética - EM, com características medíocres, em geral, ela tem uma propriedade que me chamou a atenção.

 
fxsaber #:

Para a autoeducação, qual é a dependência da complexidade em relação à medição?

Exponencial, no caso geral
1...45678910111213
Novo comentário