Discussão do artigo "Algoritmo de Fechadura Codificada (Code Lock Algorithm, CLA)"

Novo comentário
 

Novo artigo Algoritmo de Fechadura Codificada (Code Lock Algorithm, CLA) foi publicado:

Neste artigo, vamos repensar as fechaduras codificadas, transformando-as de mecanismos de proteção em ferramentas para resolver tarefas complexas de otimização. Descubra o mundo das fechaduras codificadas, não como simples dispositivos de segurança, mas como inspiração para uma nova abordagem à otimização. Vamos criar uma população inteira de "fechaduras", onde cada uma representa uma solução única para um problema. Em seguida, desenvolveremos um algoritmo que "destrancará" essas fechaduras e encontrará soluções ideais em várias áreas, desde o aprendizado de máquina até o desenvolvimento de sistemas de trading.

As fechaduras codificadas, também conhecidas como fechaduras digitais ou fechaduras de combinação, são mecanismos de segurança usados para controlar o acesso a locais, cofres, armários e outros objetos. Elas diferem das fechaduras comuns porque, em vez de usar uma chave, é necessário inserir uma combinação numérica específica para abri-las.

As fechaduras codificadas geralmente são equipadas com um teclado, cilindros especiais ou outros mecanismos rotativos, onde é necessário inserir uma sequência numérica correta para destravar a fechadura. Após a inserção da combinação correta, a fechadura codificada ativa o mecanismo que a destrava, permitindo abrir a porta ou acessar o conteúdo do cofre. O usuário pode definir seu próprio código ou usar o código fornecido para abrir a fechadura.

Vantagens das fechaduras codificadas:

  • Segurança: as fechaduras codificadas podem proporcionar um alto nível de segurança, especialmente se os códigos forem trocados regularmente.
  • Conveniência: não é necessário carregar chaves, o que torna as fechaduras codificadas convenientes de usar.
  • Possibilidade de definir vários códigos: alguns modelos permitem a definição de diversos códigos para diferentes usuários ou para intervalos de tempo distintos.


Autor: Andrey Dik

 

Todos os AOs fazem o mesmo número de cálculos de FF?

Provavelmente seria útil comparar os AOs pelo número médio de cálculos de FF quando o ideal é alcançado.


Esse número é a velocidade da otimização.

 
fxsaber #:

Todos os AOs fazem o mesmo número de cálculos de FF?

Talvez seja útil comparar os AOs em termos do número médio de cálculos de FF quando o ideal é alcançado.


Esse número é a velocidade da otimização.

Sim, todos os AOs executam o mesmo número de cálculos de FF nos testes - 10000. AOs diferentes têm populações diferentes, mas aqui o número de épocas é simplesmente alterado: 10000 / population_size = number_epochs.

Uma sugestão interessante é comparar pelo número de execuções de FF antes de atingir o valor máximo que o algoritmo poderia atingir. Entretanto, nesse caso, há um ponto pouco claro: um algoritmo preso no início da otimização em valores baixos de FF mostrará um resultado alto em tal teste....

 
Andrey Dik #:

um algoritmo preso no início da otimização em valores baixos de FF mostrará um resultado alto em um teste desse tipo...

É por isso que eu estava falando sobre a média. Ou o pior.

 
fxsaber #:

É por isso que eu estava falando sobre a média. Ou o pior.

Sim, eu também estava me referindo à média. Pode ser útil especificar a zona, por exemplo, quantas corridas o FF, em média, cai na zona de 90%, 70%, 50%. Ou seja, é, de fato, um indicador da não aleatoriedade da estratégia de pesquisa, já que os resultados da primeira época são obviamente aleatórios, portanto, quanto mais altos forem os resultados em cada época subsequente, maior será a capacidade de pesquisa do algoritmo. Também é possível medir o ganho médio de convergência com cada época subsequente para um número especificado de épocas.
Novo comentário