"Popülasyon optimizasyon algoritmaları: Fidan dikimi ve büyütme (Saplings Sowing and Growing up, SSG)" makalesi için tartışma - sayfa 2
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
ZY. Bu konuyla ilgilenen herkes için ilginç bir soru: yerel ekstremumlar ile küresel ekstremumlar arasındaki fark nedir (FF değerlerindeki farklılıkları hesaba katmadan)?
Hiçbir şey.
Birkaç iğne anten.
Ne yapmak istediğinizi gerçekten anlamıyorum, bu yüzden tavsiyenin kalitesini garanti edemem...
İhtiyacın olan şey bu:
gereken bu:
Pek sayılmaz. Bir GA'nın resimdeki gibi bir fonksiyon üzerinde 100 adım attığını varsayalım. Bunlardan 90 tanesi globalin yakınında sonuçlanacaktır. Bu, almaya değer olan yakın kümedir.
Eğer bir kirpi ile uğraşıyorsak, bazı noktaların etrafında çok sayıda mini küme elde edeceğiz. İhtiyacımız olan şey bu noktalardır. GA, kümelerin koordinatlarını etraflarındaki dar alan boyunca iyileştirebilir.
Kabaca konuşmak gerekirse, GA sonuçlarını kümeler halinde sınıflandırmamız ve ardından her kümeyi dar optimizasyonla tamamlamamız gerekir. TC için "ilginç" bir dizi girdi parametresi elde edeceğiz.
Pek sayılmaz. GA'nın resimdeki gibi bir fonksiyon üzerinde 100 adım attığını varsayalım. Bunlardan 90 tanesi global olana yakın çıkacaktır. Bu, alınmaya değer yakın kümedir.
Eğer bir kirpi ile uğraşıyorsak, bazı noktaların etrafında çok sayıda mini küme elde edeceğiz. İhtiyacımız olan şey bu noktalardır. GA, kümelerin koordinatlarını etraflarındaki dar alan boyunca hassaslaştırabilir.
Kabaca konuşmak gerekirse, GA sonuçlarını kümeler halinde sınıflandırmamız ve ardından her kümeyi dar optimizasyonla tamamlamamız gerekir. TC için "ilginç" bir dizi girdi parametresi elde edeceğiz.
Değil mi?
Bu kadar mı?
Evet. Bence her optimizasyondan sonra bulunan globalin alanının bir parçasını (girdinin %80'i gibi, etrafta ne varsa) kesip çıkarırsanız, her şey bu şekilde bulunur.
Şekil 5: Orman test fonksiyonu.
Tam bir TC numaralandırması sırasında neler görülebileceğinin mükemmel bir görselleştirmesi. Elbette, 3D burada iki girdi parametresidir. Ancak kaymalar / sivri uçlar açıkça görülebilir. TC'ler için sivri uçlar genellikle kötüdür. Öte yandan tepeler en ilginç olanlarıdır.
Sivri uçların kötü olmasıyla ilgili olarak. TC için bunlar rastgeleliktir - sıkı bir uyum ( optimizasyon kriterinden bağımsız olarak).
Evet. Bence her optimizasyondan sonra bulunan globalin alanının bir parçasını (girdinin %80'i gibi, etrafta ne varsa) kesip çıkarırsanız, her şey bu şekilde bulunur.
Böyle bir yığın, her bir girdi parametresi için belirli bir aralık ile karakterize edilir. Dolayısıyla, kesim bölgesinin verilerine sahipseniz, bu alan parçası olmadan çok kolay bir şekilde (standart Tester'da bile) optimizasyon gerçekleştirebilirsiniz.
Ancak GA sonuçlarında bulunan küresel maksimumun etrafındaki alanın nasıl tanımlanacağı konusunda tamamen yetersizim.
Basit bir örnek. Bazı TC üzerinde bir optimizasyon çalıştırdık. Girdi kümelerinin çıktısını alarak bitirdi. Bu kümeler arasında en dikkat çekici (nokta sayısının sığdıkları kürenin minimum yarıçapına bölünmesi) çok boyutlu nokta kümesini bulmamız gerekiyor.
İhtiyaç duyulan şey, tüm tepeleri bulan ve üzerinde daha fazla çalışılabilecek tüm parametreler için bu aralıkları veren bir moddur.
Sonraki optimizasyonlar yalnızca bu tür sağlamlık tepelerinin aralıkları dahilinde yapılabilir.
en ilginç olan tepelerdir.