Обсуждение статьи "Алгоритм Искусственного Племени (Artificial Tribe Algorithm, ATA)"
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Алгоритм Искусственного Племени (Artificial Tribe Algorithm, ATA):
В статье подробно рассматриваются ключевые компоненты и инновации алгоритма оптимизации ATA, представляющего собой эволюционный метод с уникальной двойной системой поведения, которая адаптируется в зависимости от ситуации. Используя скрещивание для углубленного исследования, и миграцию для поиска в случае застревания в локальных оптимумах, ATA сочетает в себе индивидуальное и социальное обучение.
Процесс работы алгоритма ATA начинается с установки параметров и случайной инициализации племени, после чего рассчитывается значение приспособленности. Далее увеличивается счетчик итераций, и оценивается текущая ситуация племени. Если ситуация благоприятна (разница в оптимальном значении приспособленности между поколениями больше заданного критерия), выполняется поведение размножения, где особи обмениваются информацией. В противном случае, используется поведение миграции, при котором индивиды перемещаются с учетом опыта как отдельной особи, так и всего племени. Миграция не может выполняться постоянно, чтобы избежать чрезмерной дисперсии. Затем вновь рассчитывается значение приспособленности и сравнивается с лучшими значениями, зарегистрированными для племени и каждого индивида. Если найдено лучшее решение, оно заносится в память. Проверяется, удовлетворяют ли условия завершения, и если они выполнены, итерация завершается. В противном случае, процесс возвращается к шагу оценки ситуации.
Включение глобальной информации в ATA придает вес историческому опыту племени, что помогает находить лучшие решения и улучшать способность поиска. Увеличение веса опыта племени способствует повышению эффективности алгоритма, ускоряя сходимость. Для этого ATA вводит глобальный инерционный вес, который усиливает поисковые способности и ускоряет процесс.
Основной инновацией ATA является наличие двойной системы поведения, которая адаптируется в зависимости от ситуации: размножение используется для углубленного исследования, когда прогресс хороший, а миграция активируется при застревании в локальных оптимумах, что способствует более глубокой исследовательской деятельности. Также важно сочетание индивидуального и социального обучения. Индивидуальная память (Xs) используется при миграции, а глобальная память (Xg) взвешивается по инерционному коэффициенту AT_w. При размножении партнеры выбираются случайным образом, что помогает улучшить разнообразие и ускорить поиск.
Автор: Andrey Dik