나는 심판(참가자가 아님)이 전체 최대값을 알도록 FF를 작성하는 방법을 찾았습니다. 그는 FF에 대한 고유한 시퀀스를 생성할 때 이미 이 값을 얻을 것입니다. 결과적으로 참가자의 결과를 최대 FF의 실제 값과 비교할 수 있습니다.
나는 이것을 달성하는 방법에 대한 결정에 머리를 부딪쳤습니다. 결과적으로 저는 시간을 잃었고 오늘은 소스 코드를 제공할 시간이 없습니다. 죄송합니다, 내일.
그러나 이제 참가자의 결과를 최대 FF의 실제 값과 비교할 수 있으며 이는 매우 중요합니다! 함수는 우리가 원하는 만큼 복잡하지 않은 것으로 밝혀졌지만 10,000 FF 실행에서 내 알고리즘이 40% 이상의 정확도를 얻지 못하게 할 만큼 복잡했습니다.
괜찮은.
참가자들과 타협점을 찾고 대회를 적절하게 조직하려면 머리를 조금 식힐 필요가 있는 것으로 나타났습니다...
당신이 그토록 많이 이야기하는 악명 높은 보편성에 관해서, 나는 다음과 같은 결론에 이르렀습니다.항상 최상의 결과를 제공하지는 않습니다 .
1. 솔루션의 보편성은 항상 상대적입니다. 솔루션은 문제 영역의 세부 사항에 의해 제한되고 따라서 솔루션은 절대 절대적으로 보편적이지 않기 때문입니다. 작업 범위를 확장할 때 "보편적" 솔루션은 항상 실패합니다. 다시 해야 합니다.
2. 보편성은 처음부터 나타나지 않지만 긴 개발 과정, 문제의 일반화 및 솔루션 적응의 결과입니다. 따라서 비 보편적 솔루션은 보편적 솔루션으로 가는 첫 번째 단계입니다.
3. 솔루션 의 보편성 은 솔루션 의 효율성 을 의미하지 않습니다. 나는 이 두 개념이 직접적인 관련이 없고 서로 의존하지도 않는다고 생각한다.
보편성에 대한 열망으로 인해 솔루션을 확장된 범위의 문제에 적용해야 하며, 이는 의심할 여지 없이 각각의 특정 경우에 솔루션의 효율성을 감소시킬 수 있습니다.
텍스트 키를 풀기 위한 내 알고리즘은 텍스트 문제에 대해 매우 보편적이며 1분 안에 모든 문자열을 절대적으로 정확하게 결정할 수 있습니다. FF에 대한 호출 수. 아마도 추가 개발은 알려지지 않은 분석 기능의 최대값을 찾을 것이라는 사실로 이어질 수 있습니다. 하지만 여전히 효과가 있을까요? 확실하지 않다.
따라서 보편적인 알고리즘을 만드는 방법을 이해하려면 작업 범위를 일반화하고 문제를 해결하는 일반적인 메커니즘을 이해해야 합니다.
네, 그리고?
그것은이다.))
챔피언십 FF는 그런 255개의 기능, 총 500개의 매개변수가 서로 뒤섞여 구성되어 있는데, 가볍게 표현하자면 사진보다 단계가 적습니다.
단계가 아니라 그래프의 그리드(해상도)입니다.))
더 이상 주의를 분산시키지 않겠습니다.
나는 심판(참가자가 아님)이 전체 최대값을 알도록 FF를 작성하는 방법을 찾았습니다. 그는 FF에 대한 고유한 시퀀스를 생성할 때 이미 이 값을 얻을 것입니다. 결과적으로 참가자의 결과를 최대 FF의 실제 값과 비교할 수 있습니다.
나는 이것을 달성하는 방법에 대한 결정에 머리를 부딪쳤습니다. 결과적으로 저는 시간을 잃었고 오늘은 소스 코드를 제공할 시간이 없습니다. 죄송합니다, 내일.
그러나 이제 참가자의 결과를 최대 FF의 실제 값과 비교할 수 있으며 이는 매우 중요합니다! 함수는 우리가 원하는 만큼 복잡하지 않은 것으로 밝혀졌지만 10,000 FF 실행에서 내 알고리즘이 40% 이상의 정확도를 얻지 못하게 할 만큼 복잡했습니다.
나는 심판(참가자가 아님)이 전체 최대값을 알도록 FF를 작성하는 방법을 찾았습니다. 그는 FF에 대한 고유한 시퀀스를 생성할 때 이미 이 값을 얻을 것입니다. 결과적으로 참가자의 결과를 최대 FF의 실제 값과 비교할 수 있습니다.
나는 이것을 달성하는 방법에 대한 결정에 머리를 부딪쳤습니다. 결과적으로 저는 시간을 잃었고 오늘은 소스 코드를 제공할 시간이 없습니다. 죄송합니다, 내일.
그러나 이제 참가자의 결과를 최대 FF의 실제 값과 비교할 수 있으며 이는 매우 중요합니다! 함수는 우리가 원하는 만큼 복잡하지 않은 것으로 밝혀졌지만 10,000 FF 실행에서 내 알고리즘이 40% 이상의 정확도를 얻지 못하게 할 만큼 복잡했습니다.
괜찮은.
참가자들과 타협점을 찾고 대회를 적절하게 조직하려면 머리를 조금 식힐 필요가 있는 것으로 나타났습니다...
당신이 그토록 많이 이야기하는 악명 높은 보편성에 관해서, 나는 다음과 같은 결론에 이르렀습니다. 항상 최상의 결과를 제공하지는 않습니다 .
1. 솔루션의 보편성은 항상 상대적입니다. 솔루션은 문제 영역의 세부 사항에 의해 제한되고 따라서 솔루션은 절대 절대적으로 보편적이지 않기 때문입니다. 작업 범위를 확장할 때 "보편적" 솔루션은 항상 실패합니다. 다시 해야 합니다.
2. 보편성은 처음부터 나타나지 않지만 긴 개발 과정, 문제의 일반화 및 솔루션 적응의 결과입니다. 따라서 비 보편적 솔루션은 보편적 솔루션으로 가는 첫 번째 단계입니다.
3. 솔루션 의 보편성 은 솔루션 의 효율성 을 의미하지 않습니다. 나는 이 두 개념이 직접적인 관련이 없고 서로 의존하지도 않는다고 생각한다.
보편성에 대한 열망으로 인해 솔루션을 확장된 범위의 문제에 적용해야 하며, 이는 의심할 여지 없이 각각의 특정 경우에 솔루션의 효율성을 감소시킬 수 있습니다.
텍스트 키를 풀기 위한 내 알고리즘은 텍스트 문제에 대해 매우 보편적이며 1분 안에 모든 문자열을 절대적으로 정확하게 결정할 수 있습니다. FF에 대한 호출 수. 아마도 추가 개발은 알려지지 않은 분석 기능의 최대값을 찾을 것이라는 사실로 이어질 수 있습니다. 하지만 여전히 효과가 있을까요? 확실하지 않다.
따라서 보편적인 알고리즘을 만드는 방법을 이해하려면 작업 범위를 일반화하고 문제를 해결하는 일반적인 메커니즘을 이해해야 합니다.
먼저 매개변수를 요약해 보겠습니다.
함수 및 텍스트 키의 최대값에 대한 검색 알고리즘이 작동하는 주요 매개변수:
1 . FF 에 전달된 매개변수의 수입니다 .
2. FF로 전송되는 매개변수 값의 범위 .
3. 단계(값 간의 최소 차이).
4. FF로부터 받은 값.
더 기본적인 매개 변수가 없으면 추가 노력 없이도 솔루션이 매우 보편적 인 것으로 판명 될 수 있습니다 ...
이러한 두 가지 유형의 문제에서 검색 메커니즘을 일반화할 수 있습니다.
참가자들과 타협점을 찾고 대회를 적절하게 조직하려면 머리를 조금 식힐 필요가 있는 것으로 나타났습니다...
조금 이해가 가지 않지만 최대 챔피언십이 무엇인지 알 수 있습니다. 그것들은 어떤 소프트웨어에서도 1초 미만입니다. 그리고 최고점뿐만 아니라 프로필 자체도 마찬가지입니다.
최근에 한 예가 있습니다. 그리고 이것은 함수의 처리입니다.
유형, - 그가 반복하기 오래 전에?
그리고 소프트웨어에 기능이 알려지지 않은 경우 이 소프트웨어가 극한값을 결정할 수 있습니까? 트릭은 내가 알기로 참가자들이 배열 doudle[x1, x2, xn]의 형태로 매개변수 값 집합 ''블랙박스''를 보낸다는 것입니다.
그들은 "블랙 박스"에서 함수의 값을 알고리즘으로 가져오고 다음 세트를 보내는 등 극한값을 찾을 때까지 계속합니다. 가능한 한 적은 수의 호출을 해야 합니다. 이 모든 것이 MT 환경에서 이루어집니다. 제 생각에는 가정에 필요한 것입니다.
... 그리고 이 모든 것이 MT 환경에서 이루어집니다. 제 생각에는 가정에 필요한 것입니다.
무엇 때문에? 실용적인 용도는 무엇입니까? 작업 예?
여기에서 거래에 대해 썼습니다 .