Discussão do artigo "Algoritmos de otimização populacionais: Algoritmo de evolução da mente (Mind Evolutionary Computation, MEC)"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Algoritmos de otimização populacionais: Algoritmo de evolução da mente (Mind Evolutionary Computation, MEC) foi publicado:
Este artigo discute um algoritmo da família MEC, denominado algoritmo simples de evolução da mente (Simple MEC, SMEC). O algoritmo se destaca pela beleza da ideia subjacente e pela simplicidade de implementação.
Os algoritmos populacionais, usados nos cálculos evolutivos, têm várias vantagens sobre os algoritmos clássicos na solução de problemas complexos de alta dimensão. Eles podem encontrar soluções subótimas mais eficientemente, que são suficientemente próximas da ótima, o que muitas vezes é aceitável em problemas práticos significativos de otimização.
Um dos métodos interessantes em cálculos evolutivos é o algoritmo de evolução da mente (Mind Evolutionary Computation, MEC), proposto em 1998 por Cheng e seus coautores. Diferentemente da modelagem esperada do funcionamento do cérebro humano, o algoritmo MEC modela alguns aspectos do comportamento humano na sociedade. Neste algoritmo, cada indivíduo é considerado como um agente inteligente, funcionando em um grupo de pessoas. Ao tomar decisões, o indivíduo sente a influência tanto dos membros de seu próprio grupo quanto dos membros de outros grupos. Para alcançar uma posição elevada na sociedade, o indivíduo deve aprender com os membros mais bem-sucedidos de seu grupo. Ao mesmo tempo, para que seu grupo se torne mais bem-sucedido em comparação com outros grupos, todos os indivíduos devem seguir o mesmo princípio na competição intergrupal. Um aspecto importante do algoritmo MEC é a troca de informações entre os indivíduos dentro do grupo e entre grupos. Isso reflete a necessidade de uma troca contínua e livre de informações para o desenvolvimento bem-sucedido de uma sociedade de indivíduos inteligentes.
A concepção apresentada pelo algoritmo MEC é implementada por meio de operações de competições locais e dissimilação, responsáveis pela busca local e global, respectivamente. Um quadro de avisos é usado pelo algoritmo para armazenar informações sobre o histórico de evolução da população, e com base nessas informações, é gerenciado o processo de otimização.
Autor: Andrey Dik