"Popülasyon optimizasyon algoritmaları: Maymun algoritması (Monkey Algorithm, MA)" makalesi için tartışma
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Yeni makaleye göz atın: Popülasyon optimizasyon algoritmaları: Maymun algoritması (Monkey Algorithm, MA).
Bu makalede, maymun algoritması (MA) optimizasyon algoritmasını ele alacağız. Bu hayvanların zorlu engelleri aşma ve en ulaşılmaz ağaç tepelerine ulaşma yeteneği, MA algoritması fikrinin temelini oluşturmuştur.
Maymunlar tarafından keşfedilen alan bir uygunluk fonksiyonu sahasıdır, bu nedenle en yüksek dağ problemin çözümüne karşılık gelir (global maksimizasyon problemini ele alıyoruz). Maymunların her biri bulunduğu konumdan dağın tepesine ulaşana kadar yukarı doğru hareket eder. Tırmanma süreci, amaç fonksiyonun değerini kademeli olarak iyileştirmek üzere tasarlanmıştır. Ardından maymun daha yüksek bir dağ bulma umuduyla rastgele bir yönde bir dizi yerel sıçrama yapar ve yukarı doğru hareket tekrarlanır. Belirli sayıda tırmanış ve yerel sıçrama gerçekleştirdikten sonra maymun, başlangıç konumunun çevresindeki sahayı yeterince keşfettiğine inanır.
Arama uzayının yeni bir alanını keşfetmek için maymun uzun bir global sıçrama gerçekleştirir. Yukarıdaki adımlar algoritma parametrelerinde belirtilen sayıda tekrarlanır. Problemin çözümü, maymun popülasyonu tarafından bulunan en yüksek tepe noktası olarak ilan edilir. Ancak MA, tırmanma süreci boyunca yerel optimum çözümleri aramak için önemli bir hesaplama zamanı harcar. Global atlama süreci, algoritmanın yakınsama hızını artırabilir. Bu sürecin amacı, maymunları yerel aramaya düşmemeleri için yeni arama fırsatları bulmaya zorlamaktır. Algoritma basit yapı, nispeten yüksek güvenilirlik ve yerel optimum çözümler için iyi arama gibi avantajlara sahiptir.
MA, lineer olmama, türevlenememe ve yüksek boyutluluk ile karakterize edilen birçok karmaşık optimizasyon problemini çözebilen yeni bir evrimsel algoritma türüdür. Diğer algoritmalardan farkı, MA tarafından harcanan zamanın esas olarak yerel optimum çözümleri bulmak için tırmanma sürecinin kullanılmasından kaynaklanmasıdır. Bir sonraki bölümde, algoritmanın ana bileşenlerini, sunulan çözümleri, başlatmayı, tırmanmayı, gözlemeyi ve sıçramayı açıklayacağız.
Yazar: Andrey Dik