Apresentamos o algoritmo Artificial Cooperative Search (ACS). Este método inovador utiliza uma matriz binária e várias populações dinâmicas, baseadas em relações mutualísticas e cooperação, para encontrar rapidamente e com precisão soluções ótimas. A abordagem única do ACS em relação a "predadores" e "presas" permite alcançar excelentes resultados em problemas de otimização numérica.
O algoritmo ACS foi proposto por Pinar Civicioglu em 2013. Ele começa a funcionar usando duas populações básicas, que contêm soluções candidatas dentro da região de confiança. Em seguida, o algoritmo cria duas novas populações — predadores e presas, mapeando os valores das populações iniciais α e β usando passos aleatórios e uma matriz binária. Além disso, uma quinta população é calculada com base nos valores nas populações de predadores e presas. O processo envolve a atualização das populações iniciais ao longo de um número especificado de iterações, sendo a melhor solução extraída dessas duas populações.
A migração e a evolução de dois superorganismos artificiais, que interagem biologicamente entre si para alcançar o valor extremo global da função objetivo, em um processo semelhante ao comportamento cooperativo na natureza, são a chave para a alta eficiência do ACS em problemas de otimização numérica. Essa abordagem única de interação biologicamente motivada entre populações permite que o algoritmo ACS alcance uma impressionante velocidade de convergência e alta precisão nas soluções. Graças à sua capacidade de encontrar soluções ótimas de forma rápida e precisa, o ACS se mostrou uma poderosa ferramenta para resolver uma ampla gama de problemas de otimização numérica.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Novo artigo Algoritmo de Busca Cooperativa Artificial (Artificial Cooperative Search, ACS) foi publicado:
Apresentamos o algoritmo Artificial Cooperative Search (ACS). Este método inovador utiliza uma matriz binária e várias populações dinâmicas, baseadas em relações mutualísticas e cooperação, para encontrar rapidamente e com precisão soluções ótimas. A abordagem única do ACS em relação a "predadores" e "presas" permite alcançar excelentes resultados em problemas de otimização numérica.
O algoritmo ACS foi proposto por Pinar Civicioglu em 2013. Ele começa a funcionar usando duas populações básicas, que contêm soluções candidatas dentro da região de confiança. Em seguida, o algoritmo cria duas novas populações — predadores e presas, mapeando os valores das populações iniciais α e β usando passos aleatórios e uma matriz binária. Além disso, uma quinta população é calculada com base nos valores nas populações de predadores e presas. O processo envolve a atualização das populações iniciais ao longo de um número especificado de iterações, sendo a melhor solução extraída dessas duas populações.
A migração e a evolução de dois superorganismos artificiais, que interagem biologicamente entre si para alcançar o valor extremo global da função objetivo, em um processo semelhante ao comportamento cooperativo na natureza, são a chave para a alta eficiência do ACS em problemas de otimização numérica. Essa abordagem única de interação biologicamente motivada entre populações permite que o algoritmo ACS alcance uma impressionante velocidade de convergência e alta precisão nas soluções. Graças à sua capacidade de encontrar soluções ótimas de forma rápida e precisa, o ACS se mostrou uma poderosa ferramenta para resolver uma ampla gama de problemas de otimização numérica.
Autor: Andrey Dik