글쎄, 유전자 알고리즘이 어떻게 작동하는지 메커니즘을 이해하지 않고 얼마나 오랫동안 두뇌를 끄고 시작 버튼을 누를 수 있습니까? 그것은 절대적으로 올바르게 작동합니다.
randomizer는 유전자 혼합 메커니즘의 필수적인 부분입니다. 목표 기능을 향한 교차를 통한 의도적인 이동 외에도 무작위화를 통한 필수 돌연변이가 필요합니다.
알고리즘에서 무작위성을 사용하는 것이 사람들을 두렵게 하는 것은 아닙니다(임의성은 발견 적 알고리즘의 본질이며 GA, Annealing, Montecarlo 등 모든 사람이 이것을 이해하기를 바랍니다). 검색 . 하지만 왜? - 결국, 검색 공간의 무작위 탐색을 제공하는 알고리즘에 돌연변이가 있습니다. 동일한 성공으로 왜 더 많은 "임의 무작위로 만들기"를 수행하면 크로스오버 유형 연산자를 사용하지 않고 FF로 정렬하여 순수한 무작위를 사용할 수 있기 때문입니다. 결과는 여전히 무작위이며 만족스러운 검색 결과에 대한 희망은 그만한 가치가 없습니다. Sergey는 실제로 다음과 같이 말했습니다.
알고리즘에서 무작위성을 사용하는 것이 사람들을 두렵게 하는 것은 아닙니다(임의성은 발견 적 알고리즘의 본질이며 GA, Annealing, Montecarlo 등 모든 사람이 이것을 이해하기를 바랍니다). 검색 . 하지만 왜? - 결국, 검색 공간의 무작위 탐색을 제공하는 알고리즘에 돌연변이가 있습니다. 동일한 성공으로 왜 더 많은 "임의 무작위로 만들기"를 수행하면 크로스오버 유형 연산자를 사용하지 않고 FF로 정렬하여 순수한 무작위를 사용할 수 있기 때문입니다. 결과는 여전히 무작위이며 만족스러운 검색 결과에 대한 희망은 그만한 가치가 없습니다. Sergey는 실제로 다음과 같이 말했습니다.
좋아요, 오래된 노래로 충분합니다. 이것은 여러 번 논의되었습니다.
그리고 나는 그것을 강력히 추천합니다. 검색 영역이 넓기 때문에 반복적인 시도로 찾을 수 있는 인식할 수 없는 극값이 항상 많이 있습니다. 당신은 이것을 아주 잘 알고 있습니다.
그런 다음 의식적으로 "같은 성공을 무작위로" 던지기로 결정했습니다. 지난 번 유전학에 대해 논의한 것처럼 울타리 너머로 그림자를 드리우려고 합니다.
Sergey는 유전학의 메커니즘에 대한 오해를 바탕으로 말했다. 당신은 모두 알고 있지만 전문가가 아닌 참가자의 질문에 의도적으로 장작을 던지기로 결정했습니다. 게다가 돌연변이가 무작위가 아닌 척합니다. 유전학에서 무작위는 돌연변이입니다. 나는 분명히 썼다.
사람들을 놀라게하지 않기 위해 나는 특히 유전학에 대한 쉽게 이해할 수있는 기사 목록을 제공했습니다. 당신의 기사가 있습니다 . 무작위화에 대해 직접 작성하는 경우:
프로토타입 생성. 유전자는 주어진 범위 내에서 무작위로 생성됩니다 .
NaturalMutation 연산자에서 돌연변이는 [RangeMinimum,RangeMaximum] 간격에서 임의의 유전자를 생성하는 것으로 구성됩니다.
그리고 나는 그것을 강력히 추천합니다. 검색 영역이 넓기 때문에 반복적인 시도로 찾을 수 있는 인식할 수 없는 극값이 항상 많이 있습니다. 당신은 이것을 아주 잘 알고 있습니다.
그런 다음 의식적으로 "같은 성공을 무작위로" 던지기로 결정했습니다. 지난 번 유전학에 대해 논의한 것처럼 울타리 너머로 그림자를 드리우려고 합니다.
Sergey는 유전학의 메커니즘에 대한 오해를 바탕으로 말했다. 당신은 모두 알고 있지만 전문가가 아닌 참가자의 질문에 의도적으로 장작을 던지기로 결정했습니다. 또한 돌연변이가 무작위가 아닌 척합니다 . 유전학에서 무작위는 돌연변이입니다. 나는 분명히 썼다.
... 사람들을 놀라게하지 않기 위해 나는 특히 유전학에 대한 쉽게 이해할 수있는 기사 목록을 제공했습니다. 당신의 기사가 있습니다 . 무작위화에 대해 직접 작성하는 경우:
즉, 돌연변이는 무작위입니다. 저는 이것에 대해 이야기하고 있습니다.
나는 아무것도 스케치하지 않고 있지만, 나는 반대로 명확히하려고 노력하고 있습니다. 광범위한 사람들은 머리에 말뚝으로 사람을 긁는 경우에도 의식적인 수동 재시작이 필요한 이유를 결코 이해하지 못할 것입니다 ...
그래서 내 말은 - 사람들이 강제로 자위 행위에 참여하도록 강요당하는 것(자위를 할 때 마음의 존재가 필요한 버튼을 독립적으로 누르는 것), 알고리즘을 넣을 수 있을 때 다른 모든 연산자 외에 무작위 조사 낯선 지역에서?
따라서 내 아이디어를 더 간략하게 설명하겠습니다. 사람이 항상 결정론적 프로세스를 신뢰할 수는 없으며 임의 프로세스를 신뢰할 수 없습니다! - "최적화 프로그램을 다시 시작해야 하는 이유는 무엇입니까?", "최적화 프로그램을 얼마나 자주 다시 시작해야 합니까?", "재시작하려는 급성 욕구의 출현에 영향을 미칠 수 있는 요소는 무엇입니까? 옵티마이저?" - 절대 사용자에게 있지 않습니다.
업데이트 시장에 시간 연속적인 프로세스가 없기 때문에(따옴표는 이산적임) 더 많은 것을 말할 것입니다. 그러면 TS 결과의 조사된 표면의 부드러움에 대해 이야기할 수 없습니다. 즉, 순수한 무작위 및 정렬을 사용하더라도 , 우리는 GA보다 더 나쁜 최적화 결과를 거의 얻지 못할 것입니다(심각하게 나쁘지는 않음). 따라서 동전을 던질 때 확률이 이전 결과에서 변경되지 않습니다. 즉, 최적화 프로그램을 수동으로 다시 시작해도 결과는 여전히 최적화를 중지하지 않고 다시 시작하지 않은 것과 같습니다.
그래서 내 말은 - 사람들이 강제로 자위 행위에 참여하도록 강요당하는 것(자위할 때 마음의 존재가 필요한 버튼을 독립적으로 누르는 것), 알고리즘을 넣을 수 있을 때 다른 모든 연산자 외에 무작위 조사 낯선 지역에서?
글쎄, 회사에 벽에 기대어 자살하도록 제안하고 운반하기에 충분한 넌센스.
"동일한 성공으로 무작위", "당신은 사람들을 겁주는 것", 그리고 이제 "자위를 할 이유" 중 하나입니다. 다시 말하지만, 이것이 유전학이 작동하는 방식이라는 것을 분명히 알고 있을 때 "알고리즘에 조사하기"에 대한 솔직한 스케치입니다. 그리고 하나의 구절이나 2,3,4, 구절이 아닌 유전학으로 전체 공간을 안정적으로 조사하는 것은 불가능하다는 것을 분명히 알고 있습니다. 패스의 기회는 항상 있습니다. 따라서 더 확실하게 하고 싶다면 반복 패스로 확인하는 것이 절대적으로 옳습니다.
댓글 #22에서 나는 유전학이 네 번째 단계에서 어떻게 최상의 결과를 찾았는지 쉽게 보여주었습니다.
전략 테스터는 분석 도구입니다. 그리고 유전자 알고리즘 은 계산량을 획기적으로 줄이는 수단이다. 이 도구에는 적용 조건과 사용 방법이 있습니다.
상인이 로봇을 사용하는 지경에 이르렀다면 그는 어떤 경우에도 주제 영역과 도구를 모두 배워야 합니다.
제 시간을 아껴주세요. 당신은 내가 그토록 오랜 세월을 투자한 주제와 같은 원시적인 말로 나를 가르치기 위해 모였습니다.
"동일한 성공으로 무작위", "당신은 사람들을 겁주는 것", 그리고 이제 "자위를 할 이유" 중 하나입니다. 다시 말하지만, 이것이 유전학이 작동하는 방식이라는 것을 분명히 알고 있을 때 "알고리즘에 조사하기"에 대한 솔직한 스케치입니다. 그리고 하나의 구절이나 2,3,4, 구절이 아닌 유전학으로 전체 공간을 안정적으로 조사하는 것은 불가능하다는 것을 분명히 알고 있습니다. 패스의 기회는 항상 있습니다.
전략 테스터는 분석 도구입니다. 그리고 유전자 알고리즘 은 계산량을 획기적으로 줄이는 수단이다. 이 도구에는 적용 조건과 사용 방법이 있습니다.
상인이 로봇을 사용하는 지경에 이르렀다면 그는 어떤 경우에도 주제 영역과 도구를 모두 배워야 합니다.
죄송합니다만, 우리 사이에 약간의 오해가 있습니다.
우리는 2가지 간단한 실험을 합니다.
1. 100패스로 옵티마이저를 10번 실행합니다.
2. 1000번 패스에 대해 최적화 프로그램을 한 번 실행합니다.
그런 다음 결과를 비교합니다. 그러한 실험을 수행하는 것이 불가능할 것이 분명하지만(또는 작동할 것인가?), 메시지는 분명하다고 생각합니다.
다시 한 번 나는 불행하게도 그 경험이 사람들로 가득 차 있다고 확신합니다. 그들은 돌을 던질 것입니다 (왜? - 예, 만일을 대비하여)
댓글 #22에서 나는 유전학이 네 번째 단계 에서 어떻게 최상의 결과를 찾았 는지 쉽게 보여주었습니다.
인생의 끔찍한 진실은 가장 좋은 결과가 마지막 실행 에서 나타날 수 있고 심지어 첫 번째 실행에서도 나타날 수 있다는 것입니다. 이에 대한 패턴은 없습니다. 따라서 이는 히스토리를 통해 모든 패스를 한 번에 수행하는 것과 동일합니다(GA 프레임워크 내에서 - 물론 수십억 패스가 아니라 최적화).
저것들. 우리는 이것이 최상의 결과인지 확신할 수 없으며 아마도 다음 출시에서는 더 나아질 것입니다. 그렇다면 답이 없고 답이 될 수 없는 그러한 질문에 왜 자신을 어리둥절하게 합니까? - 한 번에 모든 패스를 제공하면 그게 전부입니다(GA 패스 10000개).
모두. 나 갔어, 미안.
최적화 알고리즘을 사용하여 코인을 채굴하려고 시도한 사람들은 내가 말하는 것을 명확하게 이해하고 있으며, 채굴을 시도하지 않더라도 이것을 분명히 이해하고 있습니다. 각 최적화 문제에는 특정 검색 복잡도 상한선이 있으며 도달 시 결과는 임의 검색과 차이가 없습니다. 채굴할 때 이 상한은 매우 낮습니다(해시에서 최대 7개의 0을 찾은 다음 상한을 찾을 수 있음). (작업은 채굴보다 수백만 배 쉽습니다), 그러나 이것의 본질은 변하지 않습니다.
당신의 말은 저를 두렵게 합니다(특히 강조 표시된 말).
유전 알고리즘 이 작동하지 않는 것으로 밝혀졌으며 램도마이저를 사용하는 것이 좋습니다.
무작위성을 사용하지 않고 더 짧은 시간에 효과적인 솔루션을 찾기 위해서는 유전자 알고리즘이 필요합니다.
p.s. 그리고 더? 새 빌드에서는 모든 열거형 변수가 뒤집어졌고 좋지 않습니다. 이제 모든 설정을 변경해야 합니다. 엉망이 되었습니다.
내 말을 다시주의 깊게 읽은 다음 표시된 기사를 다시 읽으십시오.
글쎄, 유전자 알고리즘이 어떻게 작동하는지 메커니즘을 이해하지 않고 얼마나 오랫동안 두뇌를 끄고 시작 버튼을 누를 수 있습니까? 그것은 절대적으로 올바르게 작동합니다.
randomizer는 유전자 혼합 메커니즘의 필수적인 부분입니다. 목표 기능을 향한 교차를 통한 의도적인 이동 외에도 무작위화를 통한 필수 돌연변이가 필요합니다.
내 말을 다시주의 깊게 읽은 다음 표시된 기사를 다시 읽으십시오.
글쎄, 유전자 알고리즘이 어떻게 작동하는지 메커니즘을 이해하지 않고 얼마나 오랫동안 두뇌를 끄고 시작 버튼을 누를 수 있습니까? 그것은 절대적으로 올바르게 작동합니다.
randomizer는 유전자 혼합 메커니즘의 필수적인 부분입니다. 목표 기능을 향한 교차를 통한 의도적인 이동 외에도 무작위화를 통한 필수 돌연변이가 필요합니다.
알고리즘에서 무작위성을 사용하는 것이 사람들을 두렵게 하는 것은 아닙니다(임의성은 발견 적 알고리즘의 본질이며 GA, Annealing, Montecarlo 등 모든 사람이 이것을 이해하기를 바랍니다). 검색 . 하지만 왜? - 결국, 검색 공간의 무작위 탐색을 제공하는 알고리즘에 돌연변이가 있습니다. 동일한 성공으로 왜 더 많은 "임의 무작위로 만들기"를 수행하면 크로스오버 유형 연산자를 사용하지 않고 FF로 정렬하여 순수한 무작위를 사용할 수 있기 때문입니다. 결과는 여전히 무작위이며 만족스러운 검색 결과에 대한 희망은 그만한 가치가 없습니다. Sergey는 실제로 다음과 같이 말했습니다.
세르게이 찰리셰프 :
...
유전 알고리즘 이 작동하지 않는 것으로 밝혀졌으며 램도마이저를 사용하는 것이 좋습니다.
...알고리즘에서 무작위성을 사용하는 것이 사람들을 두렵게 하는 것은 아닙니다(임의성은 발견 적 알고리즘의 본질이며 GA, Annealing, Montecarlo 등 모든 사람이 이것을 이해하기를 바랍니다). 검색 . 하지만 왜? - 결국, 검색 공간의 무작위 탐색을 제공하는 알고리즘에 돌연변이가 있습니다. 동일한 성공으로 왜 더 많은 "임의 무작위로 만들기"를 수행하면 크로스오버 유형 연산자를 사용하지 않고 FF로 정렬하여 순수한 무작위를 사용할 수 있기 때문입니다. 결과는 여전히 무작위이며 만족스러운 검색 결과에 대한 희망은 그만한 가치가 없습니다. Sergey는 실제로 다음과 같이 말했습니다.
좋아요, 오래된 노래로 충분합니다. 이것은 여러 번 논의되었습니다.
그리고 나는 그것을 강력히 추천합니다. 검색 영역이 넓기 때문에 반복적인 시도로 찾을 수 있는 인식할 수 없는 극값이 항상 많이 있습니다. 당신은 이것을 아주 잘 알고 있습니다.
그런 다음 의식적으로 "같은 성공을 무작위로" 던지기로 결정했습니다. 지난 번 유전학에 대해 논의한 것처럼 울타리 너머로 그림자를 드리우려고 합니다.
Sergey는 유전학의 메커니즘에 대한 오해를 바탕으로 말했다. 당신은 모두 알고 있지만 전문가가 아닌 참가자의 질문에 의도적으로 장작을 던지기로 결정했습니다. 게다가 돌연변이가 무작위가 아닌 척합니다. 유전학에서 무작위는 돌연변이입니다. 나는 분명히 썼다.
사람들을 놀라게하지 않기 위해 나는 특히 유전학에 대한 쉽게 이해할 수있는 기사 목록을 제공했습니다. 당신의 기사가 있습니다 . 무작위화에 대해 직접 작성하는 경우:
프로토타입 생성. 유전자는 주어진 범위 내에서 무작위로 생성됩니다 .
NaturalMutation 연산자에서 돌연변이는 [RangeMinimum,RangeMaximum] 간격에서 임의의 유전자를 생성하는 것으로 구성됩니다.
다음은 다시 기사 목록입니다.
전략 최적화 - 알고리즘 트레이딩, 트레이딩 로봇
MetaTrader 4의 유전 알고리즘. 무차별 대입 최적화 프로그램과의 비교
유전자 알고리즘은 쉽습니다!
유전 알고리즘 - 수학적 장치
전문가의 자기 최적화: 진화 및 유전 알고리즘
가이드 최적화: 어닐링 방법
MetaTrader 5의 워크포워드 최적화 - DIY
자신만의 전문가 매개변수 최적화 기준 만들기
몬테카를로 방법을 적용하여 거래 전략 최적화
강화 학습의 랜덤 결정 포레스트
전문가 고문의 작업 매개변수를 선택하기 위한 최적화(테스트) 기술 및 일부 기준
최적화 함정에 빠지지 않는 방법은 무엇입니까?
좋아요, 오래된 노래로 충분합니다. 이것은 여러 번 논의되었습니다.
그리고 나는 그것을 강력히 추천합니다. 검색 영역이 넓기 때문에 반복적인 시도로 찾을 수 있는 인식할 수 없는 극값이 항상 많이 있습니다. 당신은 이것을 아주 잘 알고 있습니다.
그런 다음 의식적으로 "같은 성공을 무작위로" 던지기로 결정했습니다. 지난 번 유전학에 대해 논의한 것처럼 울타리 너머로 그림자를 드리우려고 합니다.
Sergey는 유전학의 메커니즘에 대한 오해를 바탕으로 말했다. 당신은 모두 알고 있지만 전문가가 아닌 참가자의 질문에 의도적으로 장작을 던지기로 결정했습니다. 또한 돌연변이가 무작위가 아닌 척합니다 . 유전학에서 무작위는 돌연변이입니다. 나는 분명히 썼다.
...
사람들을 놀라게하지 않기 위해 나는 특히 유전학에 대한 쉽게 이해할 수있는 기사 목록을 제공했습니다. 당신의 기사가 있습니다 . 무작위화에 대해 직접 작성하는 경우:
즉, 돌연변이는 무작위입니다. 저는 이것에 대해 이야기하고 있습니다.
나는 아무것도 스케치하지 않고 있지만, 나는 반대로 명확히하려고 노력하고 있습니다. 광범위한 사람들은 머리에 말뚝으로 사람을 긁는 경우에도 의식적인 수동 재시작이 필요한 이유를 결코 이해하지 못할 것입니다 ...
그래서 내 말은 - 사람들이 강제로 자위 행위에 참여하도록 강요당하는 것(자위를 할 때 마음의 존재가 필요한 버튼을 독립적으로 누르는 것), 알고리즘을 넣을 수 있을 때 다른 모든 연산자 외에 무작위 조사 낯선 지역에서?
따라서 내 아이디어를 더 간략하게 설명하겠습니다. 사람이 항상 결정론적 프로세스를 신뢰할 수는 없으며 임의 프로세스를 신뢰할 수 없습니다! - "최적화 프로그램을 다시 시작해야 하는 이유는 무엇입니까?", "최적화 프로그램을 얼마나 자주 다시 시작해야 합니까?", "재시작하려는 급성 욕구의 출현에 영향을 미칠 수 있는 요소는 무엇입니까? 옵티마이저?" - 절대 사용자에게 있지 않습니다.
업데이트 시장에 시간 연속적인 프로세스가 없기 때문에(따옴표는 이산적임) 더 많은 것을 말할 것입니다. 그러면 TS 결과의 조사된 표면의 부드러움에 대해 이야기할 수 없습니다. 즉, 순수한 무작위 및 정렬을 사용하더라도 , 우리는 GA보다 더 나쁜 최적화 결과를 거의 얻지 못할 것입니다(심각하게 나쁘지는 않음). 따라서 동전을 던질 때 확률이 이전 결과에서 변경되지 않습니다. 즉, 최적화 프로그램을 수동으로 다시 시작해도 결과는 여전히 최적화를 중지하지 않고 다시 시작하지 않은 것과 같습니다.
그래서 내 말은 - 사람들이 강제로 자위 행위에 참여하도록 강요당하는 것(자위할 때 마음의 존재가 필요한 버튼을 독립적으로 누르는 것), 알고리즘을 넣을 수 있을 때 다른 모든 연산자 외에 무작위 조사 낯선 지역에서?
글쎄, 회사에 벽에 기대어 자살하도록 제안하고 운반하기에 충분한 넌센스.
"동일한 성공으로 무작위", "당신은 사람들을 겁주는 것", 그리고 이제 "자위를 할 이유" 중 하나입니다. 다시 말하지만, 이것이 유전학이 작동하는 방식이라는 것을 분명히 알고 있을 때 "알고리즘에 조사하기"에 대한 솔직한 스케치입니다. 그리고 하나의 구절이나 2,3,4, 구절이 아닌 유전학으로 전체 공간을 안정적으로 조사하는 것은 불가능하다는 것을 분명히 알고 있습니다. 패스의 기회는 항상 있습니다. 따라서 더 확실하게 하고 싶다면 반복 패스로 확인하는 것이 절대적으로 옳습니다.
댓글 #22에서 나는 유전학이 네 번째 단계에서 어떻게 최상의 결과를 찾았는지 쉽게 보여주었습니다.
전략 테스터는 분석 도구입니다. 그리고 유전자 알고리즘 은 계산량을 획기적으로 줄이는 수단이다. 이 도구에는 적용 조건과 사용 방법이 있습니다.
상인이 로봇을 사용하는 지경에 이르렀다면 그는 어떤 경우에도 주제 영역과 도구를 모두 배워야 합니다.
제 시간을 아껴주세요. 당신은 내가 그토록 오랜 세월을 투자한 주제와 같은 원시적인 말로 나를 가르치기 위해 모였습니다.
글쎄, 회사에 벽에 기대어 자살하도록 제안하고 운반하기에 충분한 넌센스.
"동일한 성공으로 무작위", "당신은 사람들을 겁주는 것", 그리고 이제 "자위를 할 이유" 중 하나입니다. 다시 말하지만, 이것이 유전학이 작동하는 방식이라는 것을 분명히 알고 있을 때 "알고리즘에 조사하기"에 대한 솔직한 스케치입니다. 그리고 하나의 구절이나 2,3,4, 구절이 아닌 유전학으로 전체 공간을 안정적으로 조사하는 것은 불가능하다는 것을 분명히 알고 있습니다. 패스의 기회는 항상 있습니다.
전략 테스터는 분석 도구입니다. 그리고 유전자 알고리즘 은 계산량을 획기적으로 줄이는 수단이다. 이 도구에는 적용 조건과 사용 방법이 있습니다.
상인이 로봇을 사용하는 지경에 이르렀다면 그는 어떤 경우에도 주제 영역과 도구를 모두 배워야 합니다.
죄송합니다만, 우리 사이에 약간의 오해가 있습니다.
우리는 2가지 간단한 실험을 합니다.
1. 100패스로 옵티마이저를 10번 실행합니다.
2. 1000번 패스에 대해 최적화 프로그램을 한 번 실행합니다.
그런 다음 결과를 비교합니다. 그러한 실험을 수행하는 것이 불가능할 것이 분명하지만(또는 작동할 것인가?), 메시지는 분명하다고 생각합니다.
다시 한 번 나는 불행하게도 그 경험이 사람들로 가득 차 있다고 확신합니다. 그들은 돌을 던질 것입니다 (왜? - 예, 만일을 대비하여)
죄송합니다만, 우리 사이에 약간의 오해가 있습니다.
우리는 2가지 간단한 실험을 합니다.
1. 100패스로 옵티마이저를 10번 실행합니다.
2. 1000번 패스에 대해 최적화 프로그램을 한 번 실행합니다.
그런 다음 결과를 비교합니다. 그러한 실험을 수행하는 것이 불가능할 것이 분명하지만(또는 작동할 것인가?), 메시지는 분명하다고 생각합니다.
분명히 잘못된 조건으로 다시 스케치하십시오.
유전학을 완전히 끄기 위해 완전히 무작위로 시작하는 원형 인구 (100 패스 - 뻔뻔 스러움, 1000 - 뻔뻔 스러움) 영역으로 이동하려는 시도. 유전학은 25-30세대에서만 다소 신뢰할 수 있는 결과를 제공할 것이며 이는 10,000번의 패스에서 나온 것입니다.
메시지가 명확하게 이해됩니다. 말도 안되는 소리 그만하세요.
댓글 #22에서 나는 유전학이 네 번째 단계 에서 어떻게 최상의 결과를 찾았 는지 쉽게 보여주었습니다.
인생의 끔찍한 진실은 가장 좋은 결과가 마지막 실행 에서 나타날 수 있고 심지어 첫 번째 실행에서도 나타날 수 있다는 것입니다. 이에 대한 패턴은 없습니다. 따라서 이는 히스토리를 통해 모든 패스를 한 번에 수행하는 것과 동일합니다(GA 프레임워크 내에서 - 물론 수십억 패스가 아니라 최적화).
저것들. 우리는 이것이 최상의 결과인지 확신할 수 없으며 아마도 다음 출시에서는 더 나아질 것입니다. 그렇다면 답이 없고 답이 될 수 없는 그러한 질문에 왜 자신을 어리둥절하게 합니까? - 한 번에 모든 패스를 제공하면 그게 전부입니다(GA 패스 10000개).
모두. 나 갔어, 미안.
최적화 알고리즘을 사용하여 코인을 채굴하려고 시도한 사람들은 내가 말하는 것을 명확하게 이해하고 있으며, 채굴을 시도하지 않더라도 이것을 분명히 이해하고 있습니다. 각 최적화 문제에는 특정 검색 복잡도 상한선이 있으며 도달 시 결과는 임의 검색과 차이가 없습니다. 채굴할 때 이 상한은 매우 낮습니다(해시에서 최대 7개의 0을 찾은 다음 상한을 찾을 수 있음). (작업은 채굴보다 수백만 배 쉽습니다), 그러나 이것의 본질은 변하지 않습니다.월요일에 최적화 그래프 그리기를 수정하겠습니다.
최적화 그래프와 관련하여 선 그래프도 살펴보십시오. 정보가 완전히 표시되지 않습니다.
오래된 빌드 1755
빌드 1810
게시물 #34에서와 같은 테스트 조건.
추신 나머지 매개변수는 정상으로 돌아왔습니다.
간단하게, 모든 열거형은 거꾸로 되어 있습니다. 이전에는 1,2,3이었습니다. 이제는 3,2,1입니다.
가능하면 업데이트하지 않는 것이 좋으며, 안정적인 버전이 출시될 때까지 기다리세요.네, 매번 손으로 닦겠습니다. 업데이트 버튼이 부족합니다. tk. 자동 업데이트 방해