Discusión sobre el artículo "Algoritmos de optimización de la población: Resiliencia ante el estancamiento en los extremos locales (Parte II)"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Algoritmos de optimización de la población: Resiliencia ante el estancamiento en los extremos locales (Parte II):
Hoy continuaremos un experimento cuyo objetivo es investigar el comportamiento de los algoritmos de optimización basados en poblaciones en el contexto de su capacidad para abandonar eficazmente los mínimos locales cuando la diversidad de la población es baja y alcanzar los máximos globales. Resultados del estudio.
Optimización del Lobo Gris, GWO
C_AO_GWO:50;10
=============================
5 Hilly's; Func runs: 10000; result: 0.5385541648909985
25 Hilly's; Func runs: 10000; result: 0.33060651191769963
500 Hilly's; Func runs: 10000; result: 0.25796885816873344
=============================
5 Forest's; Func runs: 10000; result: 0.33256641908450685
25 Forest's; Func runs: 10000; result: 0.2040563379483599
500 Forest's; Func runs: 10000; result: 0.15278428644972566
=============================
5 Megacity's; Func runs: 10000; result: 0.2784615384615384
25 Megacity's; Func runs: 10000; result: 0.1587692307692308
500 Megacity's; Func runs: 10000; result: 0.133153846153847
=============================
All score: 2.38692
La manada de lobos del algoritmo GWO se precipita a través de la vasta extensión del mundo virtual, extendiéndose rápidamente en todas direcciones en varias funciones de prueba. Esta propiedad puede usarse eficazmente en las iteraciones iniciales, especialmente si el algoritmo se combina con otro método que pueda mejorar y complementar las soluciones encontradas. Las magníficas capacidades de exploración de la manada indican su potencial, pero por desgracia la precisión en la identificación de zonas sigue siendo su punto débil. Resulta interesante observar que el algoritmo del lobo gris ha obtenido incluso mejores resultados que la prueba convencional con agentes distribuidos uniformemente.
Autor: Andrey Dik