Обсуждение статьи "Популяционные алгоритмы оптимизации: Алгоритм птичьего роя (Bird Swarm Algorithm, BSA)"
Можно конечно сделать, делать так же несколько запусков тестов, сохранять значения ФФ на каждой эпохе, посчитать среднее улучшение на каждой соответствующей эпохе. Конечно, для каждого количества переменных будут свои показатели. Это если сильно заморочиться с числовыми показателями "быстроты сходимости".
В каждом первом тесте для всех трёх тестовых функций (10 параметров) Топ-5 списка будут очень близки теоретическому максимуму уже в районе 100-й эпохи (при популяции 50).
Можно конечно сделать, делать так же несколько запусков тестов, сохранять значения ФФ на каждой эпохе, посчитать среднее улучшение на каждой соответствующей эпохе. Конечно, для каждого количества переменных будут свои показатели. Это если сильно заморочиться с числовыми показателями "быстроты сходимости".
В каждом первом тесте для всех трёх тестовых функций (10 параметров) Топ-5 списка будут очень близки теоретическому максимуму уже в районе 100-й эпохи (при популяции 50).
~5000 ФФ?
Да. Даже на 50-й эпохе будут уже в районе 70-80% от теоретического макса.
Ну, это конечно с шагом параметров 0 (как это делается мной при тестировании). При отличном от 0 шаге сходимость ещё выше.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Популяционные алгоритмы оптимизации: Алгоритм птичьего роя (Bird Swarm Algorithm, BSA):
В статье исследуется алгоритм BSA, основанный на поведении птиц, который вдохновлен коллективным стайным взаимодействием птиц в природе. Различные стратегии поиска индивидов в BSA, включая переключение между поведением в полете, бдительностью и поиском пищи, делают этот алгоритм многоаспектным. Он использует принципы стайного поведения, коммуникации, адаптивности, лидерства и следования птиц для эффективного поиска оптимальных решений.
Bird Swarm Algorithm (BSA) — это увлекательный биоинспирированный эволюционный алгоритм, с использованием роевого интеллекта, вдохновленный социальными взаимодействиями и поведением стай птиц. Разработанный Менгом и его коллегами в 2015 году, BSA является уникальным подходом к оптимизации, объединяющим три ключевых аспекта поведения птиц: полет, поиск пищи, бдительность. Среди электронных стай, где каждая "птица" обладает индивидуальными тактиками и стратегиями, зарождается уникальная система коллективного взаимодействия, наполненная алгоритмическим интеллектом и креативностью. Здесь важны не только личные усилия, но и способность к сотрудничеству, обмену и взаимной поддержке в стремлении к общей цели оптимизации.
Различные индивиды в BSA могут иметь разные стратегии поиска. Птицы могут случайным образом переключаться между поведением в полете, бдительностью и поиском пищи. Алгоритм бионического проектирования включает поиск пищи на основе глобальной и индивидуальной приспособленности. Птицы также пытаются переместиться в центр популяции, что может привести к конкуренции с другими пернатыми, либо отдалиться от стаи. Поведение птиц включает регулярный полет и миграцию, а также переключение между ролями производителя и попрошайки. В мире BSA каждый индивидуум на данной конкретной итерации обладает своей собственной стратегией поиска, что делает этот алгоритм многоаспектным и способным проявить свою мощь.
Автор: Andrey Dik