Discussão do artigo "Algoritmos de otimização populacional: Mudamos a forma e deslocamos as distribuições de probabilidade e testamos com o "Cabeçudinho Inteligente" (Smart Cephalopod, SC)"

 

Novo artigo Algoritmos de otimização populacional: Mudamos a forma e deslocamos as distribuições de probabilidade e testamos com o "Cabeçudinho Inteligente" (Smart Cephalopod, SC) foi publicado:

Com este artigo investigaremos como a mudança de forma das distribuições de probabilidade afetam o desempenho dos algoritmos de otimização. Realizaremos experimentos baseados no algoritmo de teste "cabeçudinho inteligente" (Smart Cephalopod, SC) para avaliar o desempenho de diferentes distribuições de probabilidade no contexto de tarefas de otimização.

Trabalhar neste artigo e nos métodos específicos da classe para gerar números aleatórios com as distribuições desejadas, adequadas para a construção de algoritmos de otimização, nos fez entender que a função Rastrigin tem várias desvantagens sérias que não eram óbvias no momento da escolha dessa função de teste, e decidi abandoná-la. O bom e velho Rastrigin será substituído pela função Peaks (uma justificativa mais completa será dada no próximo artigo).

Peaks1

O "Cabeçudinho Inteligente" em ação.

Autor: Andrey Dik

 
Ao ler um artigo, o número ln aparece abruptamente e depois é mencionado com frequência. O que é isso?
 
fxsaber #:
Ao ler um artigo, o número ln aparece abruptamente e depois é mencionado com frequência. O que é isso?

in, input, input, input.
Há algum número em uma linha numérica, em relação ao qual precisamos gerar um número aleatório com uma determinada distribuição e dentro de determinados limites.
Muitas vezes é necessário fazer isso em algoritmos de otimização.

"Por exemplo, temos essa situação com uma linha numérica delimitada à esquerda por "min" e à direita por "max" e entre elas por "In", e podemos visualizá-la da seguinte forma

min|-----|-----|-----|-----|-----|-----|In|--|--|--|--|--|--|max"


 
Andrey Dik #:
in, input, input, input.
Há um problema de percepção com essa letra. É como se ela estivesse escrita em logaritmo.
 
fxsaber #:
Há um problema de percepção com essa letra. É como um logaritmo.
Talvez seja um erro de digitação, vou verificar.
 
Andrey Dik #:
Talvez seja esse o caso - erro de digitação, vou verificar.

Não, não é um erro de digitação, é que a fonte é tal que o "I" maiúsculo é lido como um "l", corrigido para "i".

Obrigado pelo comentário.

 

Распределение Леви является примером распределения с неограниченными моментами. Оно описывает случайные величины с тяжелыми хвостами, что означает, что вероятность появления очень больших значений велика. В распределении Леви моменты могут быть бесконечными или не существовать, что делает его особенным и отличающимся от распределений с ограниченными моментами, таких как нормальное распределение.

As caudas pesadas da distribuição de Levy e seus momentos não limitados a tornam útil para modelar fenômenos que podem ter valores extremos ou alta variabilidade.

No início do artigo, foram apresentadas as definições dos principais termos. Seria bom acrescentar este também.

 
fxsaber #:

As definições dos principais termos foram fornecidas no início do artigo. Seria bom acrescentar esta também.

Eu o farei, obrigado.
 

Se eu entendi corretamente, quase todos os artigos mostraram diferentes estratégias de pesquisa. Ao mesmo tempo, não houve nenhuma brincadeira com as distribuições.

Este artigo mostra que os resultados podem depender muito da função de distribuição escolhida + viés.


A julgar pelos números, Levy destruiu todo mundo. Acontece que, para cada estratégia de pesquisa, você precisa fazer várias modificações e ver o efeito na classificação geral.


O autor é fantástico! Obrigado!


Comentei a mudança para distribuições.

// revisão = true;

e obtive um resultado melhor do que a distribuição uniforme.

 

No MT5 GA, todas as entradas são rigidamente especificadas e a distribuição parece ser simplesmente uniforme.


Graças a essa série de artigos, ficou claro que os resultados podem variar muito, não apenas em relação à estratégia de pesquisa, mas também aos valores dos parâmetros de entrada. Além de definir distribuições.

Como encontrar a distribuição ideal para sua tarefa não está muito claro. Porque você precisa otimizar o que está sendo otimizado.

 
fxsaber uniforme.
Por favor, mostre como medir a qualidade do MT5 GA em funções de teste.