Discussão do artigo "Algoritmos de otimização de população: Resistência a ficar preso em extremos locais (Parte II)"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Algoritmos de otimização de população: Resistência a ficar preso em extremos locais (Parte II) foi publicado:
Continuamos nosso experimento que visa examinar o comportamento dos algoritmos de otimização de população no contexto de sua capacidade de escapar eficientemente de mínimos locais quando a diversidade da população é baixa e alcançar máximos globais. Os resultados da pesquisa são fornecidos.
Otimização do Lobo Cinzento (GWO)
C_AO_GWO:50;10
=============================
5 Hilly's; Execuções da função: 10000; resultado: 0.5385541648909985
25 Hilly's; Execuções da função: 10000; resultado: 0.33060651191769963
500 Hilly's; Execuções da função: 10000; resultado: 0.25796885816873344
=============================
5 Forest's; Execuções da função: 10000; resultado: 0.33256641908450685
25 Forest's; Execuções da função: 10000; resultado: 0.2040563379483599
500 Forest's; Execuções da função: 10000; resultado: 0.15278428644972566
=============================
5 Megacity's; Execuções da função: 10000; resultado: 0.2784615384615384
25 Megacity's; Execuções da função: 10000; resultado: 0.1587692307692308
500 Megacity's; Execuções da função: 10000; resultado: 0.133153846153847
=============================
Pontuação total: 2.38692
Um grupo de lobos do algoritmo GWO avança pelas vastas extensões do mundo virtual, espalhando-se rapidamente em todas as direções em várias funções de teste. Essa propriedade pode ser usada de forma eficaz nas iterações iniciais, especialmente se o algoritmo for combinado com outro método que possa melhorar e complementar as soluções encontradas. As excelentes habilidades de pesquisa do grupo falam de seu potencial, mas, infelizmente, a precisão na identificação de áreas continua sendo seu ponto fraco. Curiosamente, o algoritmo mostrou resultados ainda melhores do que no teste convencional com a distribuição uniforme de agentes.
Autor: Andrey Dik