文章 "大气云模型优化（ACMO）：理论"

新评论
 

新文章 大气云模型优化（ACMO）：理论已发布：

本文致力于介绍一种元启发式算法——大气云模型优化（ACMO）算法，该算法通过模拟云层的行为来解决优化问题。该算法利用云层的生成、移动和传播的原理，适应解空间中的“天气条件”。本文揭示了该算法如何通过气象模拟在复杂的可能性空间中找到最优解，并详细描述了ACMO运行的各个阶段，包括“天空”准备、云层的生成、云层的移动以及水的集中。

想象一片广阔的虚拟天空，云朵像在真实大气中一样形成并移动。这里的天气不仅仅是一组条件，而是一个活生生的系统，其中湿度和气压影响每一个决策。受自然现象的启发，ACMO算法利用云的形成原理来探索解空间，类似于云在天空中形成、扩散和消散的过程，试图找到最优路径。该算法由Yan等人提出，并于2013年发表。

接下来，我们将详细查看ACMO算法的每一个步骤，从准备云朵诞生的“天空”开始。我们将跟随它们在虚拟的天体空间中的移动，观察它们如何根据天气条件适应和变化。当您深入到这个神秘的过程时，您就会看到云朵，就像研究团队一样，努力在可能性的迷宫中找到最优解。让我们一起揭开这个算法的秘密，逐步了解它是如何工作的。


作者：Andrey Dik

 
太迷人了非常感谢。你有这种算法的参考资料吗？
 
Andreas Alois Aigner #:
太迷人了非常感谢你有这种算法的链接吗？

谢谢你的反馈。

你指的是哪些链接？

 
非常天才，这比二进制遗传算法 更好吗？
 
Gigantum Investment 遗传算法 更好吗？
这很难说。每种算法都有自己的优点，这取决于任务。;)
 
干得好，安德鲁！
 
Andrey Dik #:
这很难说。每种算法都有自己的优点，这取决于任务。）
是的，你是我认识的唯一一位最天才的俄罗斯开发人员，你对所有算法进行了比较，BGA 的结果约为 76，非常高，在所有算法中名列前茅。但我问过 Gpt，BGA 是用于决策的，而 ACMO 是用于持续学习的。我说的对吗？
 
嗨，安德鲁，我有个改进代码的想法。您能使用 Kowailk 函数吗？我在附件中放了一篇文章，其中提到了这一点。您好
附加的文件：
JOC24-3-4.zip  328 kb
 
另外，我想知道您将如何替换湿度和空气压力值；您将选择哪种标准？
 

Gigantum Investment #:

...

但我是在问 gpt，BGA 是用来做决策的，而 ACMO 是用来不断学习的。我说的对吗，伙计？

不，不一定。这两种算法的实现都是针对实数的（事实上，我在文章中的所有算法实现都是针对实数的），因此同样可以用于离散决策和浮点数。
 
quargil34 #:
科韦利克
你好，让。如果我没弄错的话，这只是一个非常简单的测试功能，为什么这么感兴趣呢？
新评论