文章 "种群优化算法：树苗播种和成长（SSG）算法" - 页 7

[fxsaber]

Nikolai Semko #:

我想说的是，在 TC 输入端不应有需要 "优化 "的输入参数。
即使是内部参数的自我优化也是自欺欺人。

我承认，有些食物是不需要烹饪的。但我还没能发现这样的食物。而煮熟的食物仍然可以让你不饿。是的，这并不完美，但聊胜于无。

[Andrey Dik]

mytarmailS #:
最后 100 条记录不会对应不同的峰值，它们都将以最后找到的一个峰值为中心

所有这些算法的目标都是一样的--找到最大值，但实现目标的方法却各不相同。有些算法（如 BFA）禁止将所有记录聚类为一个峰值。

[fxsaber]

mytarmailS #:
最后 100 条记录不会对应不同的峰值，它们都将围绕最后发现的一个峰值

差不多是这样（取决于算法）。最后一个峰值将是 "最"--全局性的。在进一步优化时，它将被舍弃。

这样，我们就能得到一个山峰列表：从珠穆朗玛峰到小山。

[Nikolai Semko]

fxsaber #:

我想有些食物是不需要烹饪的。但我从未发现过这样的食物。煮熟的食物确实能让你不饿。虽然不完美，但有总比没有好。

假象食物制造饱腹假象

[mytarmailS]

Nikolai Semko #:

但我仍然认为，找到这样的点
即使是内部参数的内部自我优化也是弄巧成拙。

为什么？

[fxsaber]

Nikolai Semko #:

虚幻食物制造饱腹假象

这是一个非常好的分支。让我们不要破坏它。

[Andrey Dik]

引力搜索在这个意义上很有趣，引力可以 "反向 "设置，当所有粒子相互排斥时。

电磁搜索就更酷了，有正电荷和负电荷，粒子既相互排斥又相互吸引。让我们拭目以待会出现什么样的奇迹吧，文章正在准备中。

[mytarmailS]

fxsaber #:

几乎如此（取决于算法）。最后一个峰值是 "最"--全局峰值。在后续的优化中，它将被舍弃。

这很容易实现

只需禁止 AO 2 生成与 AO 1 类似的解即可。

然后禁止 AO3 抄袭 AO1 和 AO2 的解，等等。

顺便问一下，你们有多少维度的搜索空间？

[Nikolai Semko]

fxsaber #:

这个主题很不错。让我们不要破坏它。

我知道这看起来像是我在开玩笑。但我其实是在说一件非常重要的事，并想为你们节省时间。

[fxsaber]

Andrey Dik #:

从这个意义上说，引力搜索很有趣，当所有粒子相互排斥时，引力可以 "反向 "设置。

电磁搜索就更酷了，存在正负电荷，粒子既相互排斥又相互吸引。

如果成功，那么一次优化+结果聚类就足够了。