Обсуждение статьи "Алгоритм оптимизации грифов — Buzzard Optimization Algorithm (BUZOA)"

Новый комментарий
 

Опубликована статья Алгоритм оптимизации грифов — Buzzard Optimization Algorithm (BUZOA):

BUZOA — популяционный метаэвристический алгоритм, в котором каждый агент на каждой итерации случайно выбирает одну из трёх тактик охоты: узкий поиск вокруг личного рекорда, классический PSO-шаг к лидеру стаи или полную телепортацию в случайную точку пространства. В статье разбирается реализация алгоритма на MQL5, показывается найденная в оригинальной формулировке ошибка знака коэффициента и приводятся результаты бенчмарка на стандартном тестовом стенде.

В арсенале популяционных алгоритмов оптимизации существует метод роя частиц (PSO), на котором построено большинство современных гибридов. Базовая схема PSO известна десятилетиями, её сильные и слабые стороны изучены, и попытки её улучшить, как правило, идут в одном направлении: усложнить математику, добавить адаптивные коэффициенты, ввести новые операторы. Но что если посмотреть на задачу с другой стороны — не усложнить уравнения, а изменить саму логику принятия решений агентом? Что если каждая частица в каждый момент времени будет случайно выбирать одну из нескольких качественно разных стратегий поведения, как это делают живые существа в природе? Именно такой ход придумали авторы BUZOA, и вопрос в том, действительно ли биологически мотивированное переключение режимов даёт что-то, чего нет у классических PSO-подобных схем — или это лишь красивая метафора без практической ценности.

Читатель получит полностью разобранный, реализованный на MQL5 и протестированный в составе нашего стенда метаэвристический алгоритм BUZOA — с детальным разбором его трёх режимов охоты, сравнением буквальных формул статьи Аршаги, Ашурияна и Габели (2019) с их рациональной интерпретацией, бенчмарком на тестовых функциях Hilly, Forest и Megacity, и рекомендациями по настройке параметров. Параллельно читатель увидит, как биологическая аналогия — зрение, обоняние и слежение за хищниками — переводится в математический язык скорости, инерции и случайного рассеивания, и сможет оценить, насколько эта аналогия работает на практике.

Автор: Andrey Dik

Новый комментарий