Diskussion zum Artikel "Сode Lock Algorithmus (CLA)"

Neuer Kommentar
 

Neuer Artikel Сode Lock Algorithmus (CLA) :

In diesem Artikel werden wir Zahlenschlösser (Code Locks) neu überdenken und sie von Sicherheitsmechanismen in Werkzeuge zur Lösung komplexer Optimierungsprobleme verwandeln. Entdecken Sie die Welt der Zahlenschlösser, die nicht als einfache Sicherheitsvorrichtungen betrachtet werden, sondern als Inspiration für einen neuen Ansatz zur Optimierung. Wir werden eine ganze Population von Zahlenschlössern (Locks) erstellen, wobei jedes Schloss eine einzigartige Lösung für das Problem darstellt. Wir werden dann einen Algorithmus entwickeln, der diese Schlösser „knackt“ und optimale Lösungen in einer Vielzahl von Bereichen findet, vom maschinellen Lernen bis zur Entwicklung von Handelssystemen.

Zahlenschlösser, auch digitales Schloss oder Kombinations-Schloss genannt, sind Sicherheitsmechanismen, mit denen der Zugang zu Räumen, Tresoren, Schränken und anderen Objekten kontrolliert werden kann. Sie unterscheiden sich von gewöhnlichen Schlössern dadurch, dass sie nicht mit einem Schlüssel, sondern mit einer bestimmten Zahlenkombination geöffnet werden.

Zahlenschlösser sind in der Regel mit einer Tastatur, speziellen Zylindern oder anderen Drehmechanismen ausgestattet, die es dem Nutzer ermöglichen, eine Codefolge einzugeben. Sobald die richtige Kombination eingegeben wird, aktiviert das Zahlenschloss einen Mechanismus, der das Schloss entriegelt und es dem Nutzer ermöglicht, eine Tür zu öffnen oder auf den Inhalt eines Tresors zuzugreifen. Der Nutzer kann seine eigenen Codes einstellen oder den mitgelieferten Code zum Öffnen des Schlosses verwenden.

Vorteile des Zahlenschloss‘:

  • Sicherheit. Zahlenschlösser können ein hohes Maß an Sicherheit bieten, insbesondere wenn die Codes regelmäßig geändert werden.
  • Bequemlichkeit. Keine Schlüssel müssen mitgeführt werden, was die Verwendung von Zahlenschlösser sehr bequem macht.
  • Die Möglichkeit, mehrere Codes einzustellen. Bei einigen Modellen können verschiedene Codes für unterschiedliche Nutzer oder für unterschiedliche Zeitintervalle eingestellt werden.


    Autor: Andrey Dik

     

    Machen alle AOs die gleiche Anzahl von FF-Berechnungen?

    Wahrscheinlich wäre es sinnvoll, AOs anhand der durchschnittlichen Anzahl von FF-Berechnungen zu vergleichen, wenn das Optimum erreicht ist.


    Diese Zahl gibt die Geschwindigkeit der Optimierung an.

     
    fxsaber #:

    Führen alle AOs die gleiche Anzahl von FF-Berechnungen durch?

    Vielleicht wäre es sinnvoll, die AOs im Hinblick auf die durchschnittliche Anzahl der FF-Berechnungen zu vergleichen, wenn das Optimum erreicht ist.


    Diese Zahl gibt die Geschwindigkeit der Optimierung an.

    Ja, alle AOs führen die gleiche Anzahl von FF-Berechnungen in Tests durch - 10000. Verschiedene AOs haben unterschiedliche Populationen, aber hier wird einfach die Anzahl der Epochen geändert: 10000 / population_size = number_epochs.

    Ein interessanter Vorschlag ist der Vergleich anhand der Anzahl der FF-Durchläufe, bevor der Algorithmus den maximalen Wert erreicht. In diesem Fall gibt es jedoch einen unklaren Punkt: ein Algorithmus, der ganz am Anfang der Optimierung bei niedrigen FF-Werten feststeckt, wird bei einem solchen Test ein hohes Ergebnis zeigen....

     
    Andrey Dik #:

    Ein Algorithmus, der ganz am Anfang der Optimierung bei niedrigen FF-Werten feststeckt, wird bei einem solchen Test ein hohes Ergebnis aufweisen...

    Deshalb habe ich vom Durchschnitt gesprochen. Oder vom schlechtesten.

     
    fxsaber #:

    Deshalb habe ich von dem Durchschnitt gesprochen. Oder vom schlechtesten.

    Ja, ich habe mich auch auf den Durchschnitt bezogen. Es kann nützlich sein, den Bereich zu spezifizieren, z.B. wie viele Durchläufe die FF im Durchschnitt in den Bereich 90%, 70%, 50% fällt. D.h., es ist in der Tat ein Indikator für die Nicht-Zufälligkeit der Suchstrategie, da die Ergebnisse der ersten Epoche offensichtlich zufällig sind, so dass die Suchfähigkeit des Algorithmus umso höher ist, je höher die Ergebnisse bei jeder folgenden Epoche sind. Es ist auch möglich, den durchschnittlichen Konvergenzgewinn mit jeder nachfolgenden Epoche für eine bestimmte Anzahl von Epochen zu messen.
    Neuer Kommentar