記事「母集団最適化アルゴリズム：極値から抜け出す力（第II部）」についてのディスカッション

新しいコメント
 

新しい記事「母集団最適化アルゴリズム：極値から抜け出す力（第II部）」はパブリッシュされました:

母集団の多様性が低いときに効率的に極小値を脱出して最大値に到達する能力という観点から、母集団最適化アルゴリズムの挙動を調べることを目的とした実験を続けます。研究結果が提供されます。

灰色オオカミオプティマイザ (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

GWOアルゴリズムの狼の群れが、仮想世界の広大な土地を駆け巡り、さまざまなテスト関数で四方八方に急速に広がっていきます。この特性は、特にアルゴリズムが、発見された解を改善し補完することができる別の手法と対になっている場合、最初の反復で効果的に使用することができます。群れの優れたリサーチ能力はそのポテンシャルを物語っていますが、残念ながら、領域を特定する精度は依然として弱点です。興味深いことに、このアルゴリズムは、エージェントを一様に分布させた従来のテストよりもさらに優れた結果を示しました。

作者: Andrey Dik

新しいコメント