遺伝的アルゴリズムとその応用の可能性 - ページ 5 123456789101112...15 新しいコメント Andrey Dik 2020.03.16 21:06 #41 Edgar Akhmadeev: 1.やりすぎです、グラフが拡大縮小されているので、有用な結果が見えません。最悪のカスタムより少し高い値を返す。しかし、肝心なのは、改善の方向性を正しく定めることです。 2.何が言いたいのか?要は正しい方向性を示すということで、弱いだけでなく、ここで最悪の結果を示したということをGAに示す必要があるのです。 1.これは、通常のオプティマイザーの表示の欠点ですが、あなたが実際に良い結果を得るために、研究ツール(この場合は、オプティマイザーMT)の不足を考慮すべきであるという意味ではありません。オプティマイザーMTはあなたが本当に必要なものを知らないので、実際には、最適化の結果を 自分で可視化するための正しいアプローチ。 最適化表(とグラフ)に結果を表示するツールは今のところありませんが、いつか実装されると思います。 2.いや、要は「悪い」という結果だけでなく、「すごく悪い」という結果を示すことが、AOにとっては大きな違いなんです。 Andrey Khatimlianskii 2020.03.18 04:02 #42 Stanislav Korotky: フォーラムに書いたかどうか忘れましたが、本当に問題で、なぜMTに実装されているのかが不明です。理論的には、もし試験者が "間違ったパラメータ "というエラーコードを 返した場合、試験者は代わりに別のインスタンスを生成し、母集団を完全なものにすることが義務付けられています。 全く同感です。 しかし、最初のサンプルは(どうせランダムなのだから)、(間違った入力を持つ)ランダムなセットを別のもので置き換えても、何の問題もないだろう。そして、将来の世代で誤ったパラメータに遭遇する確率は、ずっと低くなります。しないのはおかしい...。 Aliaksandr Hryshyn 2020.03.18 05:05 #43 教えてください、パラメータ数が可変のGAに進展はあるのでしょうか? Aleksey Mavrin 2020.03.18 06:11 #44 Aliaksandr Hryshyn: 教えてください、パラメータ数が可変のGAに進展はあるのでしょうか? ソフトウェアの実装は問題ない。MTでは同じペアのセットが「クロス」している。突然変異」を実装すれば、集合を任意にすることが可能です。 アンドレイ・ハチムリアンスキー 全く同感です。 しかし、最初のサンプルは(どうせランダムなのだから)、(間違った入力を持つ)ランダムなセットを別のもので置き換えても、何の問題もないだろう。 そして、将来の世代で誤ったパラメータに遭遇する確率は、ずっと低くなります。しないのはおかしい...。 世代は常に、可能な組合せのプールからサンプリングされます。 Andrey Khatimlianskii 2020.03.18 06:40 #45 Aleksey Mavrin: 世代は常に、可能な組み合わせのプールから選択されます。 じゃあ、なんでやらないんだ?彼らはバカじゃない。 Andrey Dik 2020.03.18 08:53 #46 Andrey Khatimlianskii: 全く同感です。 しかし、最初のサンプルは(どうせランダムなのだから)、(間違った入力を持つ)ランダムセットを別のものに置き換えても、何の問題もないだろう。そして、将来の世代で誤ったパラメータに遭遇する確率は、はるかに低くなります。そうしないのはおかしい。 良好 - 不正な入力パラメータはオプティマイザによって無視され、代わりに別のパラメータが生成されるはずで、そうすれば母集団は常にいっぱいになります。可能な変異型の数が十分でない場合、母集団における個体の順位に比例した確率で取られる重複は許容されます。 Реter Konow 2020.03.18 09:17 #47 Aliaksandr Hryshyn: 教えてください、パラメータ数が可変のGA開発はあるのでしょうか? 可能性は低いと思います。GAの概念に基づき、同一構造体、つまりパラメータ値の異なる同一システムのクローン同士を交配させることができる。 自然界でも、同じ環境内の異なる個体は交配できない。この自然な生物学的制約が、生態系にとって意味のない、ばかげた、生存不可能なフリークの出現を阻止するのだ。このような「実験」は常に失敗に終わり、実験室での研究にしか適さない。GA は生物学を模倣しているので、交配、遺伝、淘汰の原理から外れることはありません。 この問題は、理論的に見ても非常に興味深いものです。進化は、生き物が条件に「適応」する過程で「最適化」されたものだけでなく、根本的に新しい種も生み出す。異種間交配が不可能なら、彼らはどこから来たのか?つまり、自然界の突然変異から生まれたものなのです。しかし、-突然変異は既存の遺伝子の変化であって、新しい遺伝子の獲得ではありません。つまり、-集合を増やすことはできず、「キャリブレーション」は生物種を適応(最適化)させるだけである。より複雑な新しい生物はどこから来るのか? パラメータを任意の系にランダムに「キャスト」し、それに対する最適化目標(フィットネス関数)をランダムに求めるアルゴリズムを作ったとしても、それで何ができるのか。 Aliaksandr Hryshyn 2020.03.18 09:25 #48 パラメータの互換性(交換性)が異なる位置にあることがあるのですが...。よし、自転車を再発明しよう。 Andrey Dik 2020.03.18 09:30 #49 Aliaksandr Hryshyn: 教えてください、パラメータ数が可変のGAに進展はあるのでしょうか? です。 遺伝子のプログラミングから、強度の最大化と体積の最小化を考慮した人体の形状や体積の計算まで、実用範囲は非常に広い。 Aliaksandr Hryshyn 2020.03.18 09:32 #50 Andrey Dik: があります。 知っておくと面白いかもしれませんね。 123456789101112...15 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
1.やりすぎです、グラフが拡大縮小されているので、有用な結果が見えません。最悪のカスタムより少し高い値を返す。しかし、肝心なのは、改善の方向性を正しく定めることです。
2.何が言いたいのか?要は正しい方向性を示すということで、弱いだけでなく、ここで最悪の結果を示したということをGAに示す必要があるのです。
1.これは、通常のオプティマイザーの表示の欠点ですが、あなたが実際に良い結果を得るために、研究ツール(この場合は、オプティマイザーMT)の不足を考慮すべきであるという意味ではありません。オプティマイザーMTはあなたが本当に必要なものを知らないので、実際には、最適化の結果を 自分で可視化するための正しいアプローチ。 最適化表(とグラフ)に結果を表示するツールは今のところありませんが、いつか実装されると思います。
2.いや、要は「悪い」という結果だけでなく、「すごく悪い」という結果を示すことが、AOにとっては大きな違いなんです。
フォーラムに書いたかどうか忘れましたが、本当に問題で、なぜMTに実装されているのかが不明です。理論的には、もし試験者が "間違ったパラメータ "というエラーコードを 返した場合、試験者は代わりに別のインスタンスを生成し、母集団を完全なものにすることが義務付けられています。
全く同感です。
しかし、最初のサンプルは(どうせランダムなのだから)、(間違った入力を持つ)ランダムなセットを別のもので置き換えても、何の問題もないだろう。そして、将来の世代で誤ったパラメータに遭遇する確率は、ずっと低くなります。しないのはおかしい...。
教えてください、パラメータ数が可変のGAに進展はあるのでしょうか?
ソフトウェアの実装は問題ない。MTでは同じペアのセットが「クロス」している。突然変異」を実装すれば、集合を任意にすることが可能です。
全く同感です。
しかし、最初のサンプルは(どうせランダムなのだから)、(間違った入力を持つ)ランダムなセットを別のもので置き換えても、何の問題もないだろう。 そして、将来の世代で誤ったパラメータに遭遇する確率は、ずっと低くなります。しないのはおかしい...。
世代は常に、可能な組合せのプールからサンプリングされます。
世代は常に、可能な組み合わせのプールから選択されます。
じゃあ、なんでやらないんだ?彼らはバカじゃない。
全く同感です。
しかし、最初のサンプルは(どうせランダムなのだから)、(間違った入力を持つ)ランダムセットを別のものに置き換えても、何の問題もないだろう。そして、将来の世代で誤ったパラメータに遭遇する確率は、はるかに低くなります。そうしないのはおかしい。
良好 - 不正な入力パラメータはオプティマイザによって無視され、代わりに別のパラメータが生成されるはずで、そうすれば母集団は常にいっぱいになります。可能な変異型の数が十分でない場合、母集団における個体の順位に比例した確率で取られる重複は許容されます。
教えてください、パラメータ数が可変のGA開発はあるのでしょうか?
可能性は低いと思います。GAの概念に基づき、同一構造体、つまりパラメータ値の異なる同一システムのクローン同士を交配させることができる。 自然界でも、同じ環境内の異なる個体は交配できない。この自然な生物学的制約が、生態系にとって意味のない、ばかげた、生存不可能なフリークの出現を阻止するのだ。このような「実験」は常に失敗に終わり、実験室での研究にしか適さない。GA は生物学を模倣しているので、交配、遺伝、淘汰の原理から外れることはありません。
この問題は、理論的に見ても非常に興味深いものです。進化は、生き物が条件に「適応」する過程で「最適化」されたものだけでなく、根本的に新しい種も生み出す。異種間交配が不可能なら、彼らはどこから来たのか?つまり、自然界の突然変異から生まれたものなのです。しかし、-突然変異は既存の遺伝子の変化であって、新しい遺伝子の獲得ではありません。つまり、-集合を増やすことはできず、「キャリブレーション」は生物種を適応(最適化)させるだけである。より複雑な新しい生物はどこから来るのか?
パラメータを任意の系にランダムに「キャスト」し、それに対する最適化目標(フィットネス関数)をランダムに求めるアルゴリズムを作ったとしても、それで何ができるのか。
教えてください、パラメータ数が可変のGAに進展はあるのでしょうか?
です。
遺伝子のプログラミングから、強度の最大化と体積の最小化を考慮した人体の形状や体積の計算まで、実用範囲は非常に広い。
があります。