"Popülasyon optimizasyon algoritmaları: Fidan dikimi ve büyütme (Saplings Sowing and Growing up, SSG)" makalesi için tartışma - sayfa 4

Yeni yorum
 
Andrey Dik #:

Orman FF'dir. yani, optimize edilmek üzere sisteme dayatılan bazı gereksinimlerdir. sisteme yönelik gereksinimler değiştirilirse, FF değişecektir, ancak sistem değişmemiştir, değil mi?
Sanki kullanıcı gereksinimleri çeşitli şekillerde değiştirmeye çalışmış ve yine de Forest'ı almış gibi. integral FF'ler, örneğin denge gibi, tam olarak Forest'a benziyor.
Mümkünse integral FF kullanmamaya çalışmak, mümkün değilse FF'ler üzerinden NADstroika yapmak, yani keskin tepelerden kaçınmak için FF'leri FF'lere uygulamak gerekir.
bir örnek verelim. bir denge FF'si aldık. (muhtemelen) Orman gibi görünüyor. yakınlarda bir yerde bulunan anlam parçacıkları için denge ile optimizasyon sonuçlarının bulanık suyunda balık tutabilirsiniz ve diğer yöne gidebilirsiniz, denge FF'sini üstyapılandırabilirsiniz, böylece yüzey artık keskin bir şekilde sonlu olmaz ve gerekli tüm parametreler yakınlarda ve aynı zamanda en üstteki yumuşak tepede bulunur!
Kısacası şunu söyleyebiliriz: FF son derece sınırlı ise, ya gerçekten sorundan çıkarılabilecek tek şey budur ya da araştırmacı bir hata yapmıştır.

Bu tamamen başka bir konudur: tepeleri/sivri uçları dikkate almanın ne zaman ve nasıl mantıklı olduğu. Buna ulaşmak için, öncelikle keyfi fonksiyonlar üzerinde bunların nasıl bulunacağını öğrenmek gerekir.

 
fxsaber #:

Bu tamamen farklı bir konudur: tepeleri / sivri uçları dikkate almanın ne zaman ve nasıl mantıklı olduğu. Buna ulaşmak için öncelikle bunları keyfi fonksiyonlarda nasıl bulacağımızı öğrenmeliyiz.


Tamam. O zaman şu şekilde akıl yürütmeyi deneyebiliriz......
Ancak, ya "plato" (yakın noktaların maksimum konsantrasyonu) küresel ekstremumdan çok daha düşük çıkarsa? Plato yüksekliğinin kabul edilebilirlik seviyesi nerede?
Elde edilecek şeyin bir şekilde tanımlanabileceği gerçeğini zorlamaya çalışıyorum, yani iteg'de problem, tüm en yakın kabul edilebilir çözümlerin yoğunlaştığı küresel ekstremum arayışına yol açar).
 
fxsaber optimizasyon kriterinden bağımsız olarak).
Ben de aynı şeyi merak ediyordum, işte buradaki akıllı insanlara sorum
Başarmak istediğiniz şey bu mu?

 
Andrey Dik #:

Tamam. o zaman aşağıdaki satırlarda mantık yürütmeyi deneyebiliriz.....
Bununla birlikte, ya "plato "nun (yakın noktaların maksimum konsantrasyonu) küresel ekstremumdan çok daha düşük olduğu ortaya çıkarsa? Plato yüksekliğinin kabul edilebilirlik düzeyi nedir?
Elde edilecek şeyin bir şekilde tanımlanabileceği gerçeğini vurgulamaya çalışıyorum, yani iteg'de problem, en yakın kabul edilebilir çözümlerin yoğunlaştığı küresel ekstremum arayışına yol açar).

Evet, her şey global olanı bulmaya dayanıyor. Bir GA'nın son adımları bu globalin etrafında olmak zorundadır. Yani temelde bir sonraki GA çalışmalarında atılacak alan olacaklar.

Yani, önerilen algoritmalardan herhangi birini kullanarak her zaman yalnızca global olanı ararız. Daha sonra globalin düştüğü alanı atar ve tekrarlarız.

 
mytarmailS #:
Ben de aynı şeyi merak ediyordum, işte akıllı insanlara sorum.
h ttps://stats.st ackexchange.com/questions/566930/optimization-taking-into-account-the-shape-of-the-optimization-surface
Başarmak istediğiniz şey bu mu?

Evet, bu. Ve hatta bundan daha fazlası.

Bu resimde, daha önce bulunan maksimumların tüm bölgelerini dışarı atma ilkesine göre hareket edersek hem kırmızı hem de yeşil bölgeleri bulacağız.

Resimdeki durum için beş optimizasyona ihtiyacımız var: dördü kırmızıyı, biri de yeşili bulacaktır.

Ardından beş noktayı TesterDashboard'un analogundan geçiririz ve kimin ne kadar değerli olduğunu hemen görürüz.


ZЫ Pürüzsüzleştirme önerileri olan "akıllı" insanların yüzey nesnesi oluşumunun doğasını anlamaması gariptir.

 
fxsaber #:

Evet, bu. Ve daha fazlası.

Bu resimde, daha önce bulunan maksimumların tüm alanlarını dışarı atma ilkesine göre hareket edersek hem kırmızı hem de yeşil alanlar bulacağız.

Resim için beş optimizasyona ihtiyacımız var: dördü kırmızıyı, biri yeşili bulacak.

Ardından beş puanı TesterDashboard'un benzerinden geçiriyoruz ve kimin ne kadar değerli olduğunu hemen görüyoruz.

Evet,
Yani birkaç tepe noktası bulup hepsini test etmek istiyorsunuz, öyle mi?

Keskin tepeleri göz ardı ederek düzgün bir tepe bulmak istediğinizi sanıyordum.


İlk durumda, OA'yı az sayıda iterasyonla birkaç kez çalıştırmanız yeterlidir.


İkinci durumda, "gürültülü bir fonksiyonu optimize etme" bölümüdür.

Özel AO'ları olan özel bir alan.

Genel olanlardan AO yapacaksınız:
Benzetilmiş Tükenmişlik, Bayes Optimizasyonu.


AO - optimizasyon algoritması
 
fxsaber #:

Evet, bu. Ve daha fazlası.

Bu resimde, daha önce bulunan maksimumların tüm alanlarını dışarı atma ilkesine göre hareket edersek hem kırmızı hem de yeşil alanlar bulacağız.

Resim için beş optimizasyona ihtiyacımız var: dördü kırmızıyı, biri yeşili bulacak.

Daha sonra beş noktayı TesterDashboard'un analogundan geçiririz ve kimin ne kadar değerli olduğunu hemen görürüz.


Burada sadece beş optimizasyondan kaçınmanın ve tek bir optimizasyonda bir kerede yeşil bölgeye girmenin mümkün olduğunu aktarmaya çalışıyorum. bunun için küçük FF'nin üzerine ana FF'yi tanıtmanız gerekir. ana FF yeşil bölgeyi tanımlamalıdır ve küresel maksimumdur.
Yani, resimdeki FF ihtiyacımız olan şey değil, küresel maksimuma bakmamız gereken bir FF'ye ihtiyacımız var.
Bunu parmakla anlatmak zor ama)))) makalede anlatabilirsiniz.
 
mytarmailS #:
Yani birkaç tepe noktası bulup hepsini test etmek istiyorsunuz, değil mi?

Evet. 20'den fazla tepe noktasını kontrol etmek kural olarak mantıklı değildir. Eğer sağlam bir şey varsa, bu 20 tepe arasında bulunmalıdır.

Elbette, teorik olarak traşlanmış bir tepesi olan bir kirpi hayal edebilirsiniz. O zaman emisyon prensibine dayalı yüzlerce optimizasyon arasında hiçbir tepe olmayacaktır. Ancak bu durum pratikten uzaktır.

Kural olarak, böyle bir kirpiyi kendimiz şekillendiririz, böylece kel bir noktaya sahip olmaz.

 
Andrey Dik #:

İşte! Size aynı anda beş optimizasyondan kaçınabileceğinizi söylemeye çalışıyorum.
Yeşil alana ihtiyacı yok.
 
fxsaber #:

Evet. 20'den fazla tepe noktasını kontrol etmek kural olarak mantıklı değildir. Eğer sağlam bir şey varsa, bu 20 arasında bulunmalıdır.

Elbette, teorik olarak tepesi tıraşlanmış bir kirpi hayal edebilirsiniz. O zaman emisyon prensibine dayalı yüzlerce optimizasyon arasında hiçbir tepe olmayacaktır. Ancak bu durum pratikten uzaktır.

Kural olarak, böyle bir kirpiyi kel bir noktaya sahip olacak şekilde kendimiz oluştururuz.

O zaman yukarıda yazdığım gibi oldukça basit.
20 zirveye ihtiyacınız var, sadece AO'yu 20 kez çalıştırın.
1234567891011...13
Yeni yorum