Перебор параметров счетчика - страница 2

Новый комментарий
 
Konstantin Erin: Вряд ли это всем интересно. Насчет оптимизации - использую группы. В каждой 1 или максимум 3 параметра. С полученными значениями оптимизирую следующую группу. И так до конца. Потом сначала. И так 3 или 4 раза - параметры перестают меняться. Экономия времени - преогромнейшая. Вот простой пример - у нас 4 параметра по 10 значений - всего 10000 вариантов. Оптимизируем по первому параметру, по второму, третьему, четвертому - всего 40 вариантов. Повторим 10 раз - 400 вариантов

Интересно. Это что, метод покоординатного спуска http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%BF%D0%BE%D0%BA%D0%BE%D0%BE%D1%80%D0%B4%D0%B8%D0%BD%D0%B0%D1%82%D0%BD%D0%BE%D0%B3%D0%BE_%D1%81%D0%BF%D1%83%D1%81%D0%BA%D0%B0 :

Сходимость метода


Рис.2

Легко убедится, что существуют функции, когда метод координатного спуска не приводит даже в локальный оптимум.

Пусть линии уровня образуют истинный овраг (рис.2), когда спуск по любой координате приводит на <<дно>> оврага, а любое движение по следующей координате (пунктирная линия) ведет на подъем. Никакой дальнейший спуск по координатам в данном случае невозможен, хотя минимум еще не достигнут.

Конец цитаты

с заменой поиска по одной координате на поиск по группе координат? Непонятно, при каких условиях он даст оптимум. Если брать в группу по одной координате, то работает цитата выше. Разрешите, пожалуйста,

Konstantin Erin, эти неясности.

 
Vladimir:Легко убедится, что существуют функции, когда метод координатного спуска не приводит даже в локальный оптимум.

Пусть линии уровня образуют истинный овраг (рис.2), когда спуск по любой координате приводит на <<дно>> оврага, а любое движение по следующей координате (пунктирная линия) ведет на подъем. Никакой дальнейший спуск по координатам в данном случае невозможен, хотя минимум еще не достигнут.

Конец цитаты

с заменой поиска по одной координате на поиск по группе координат? Непонятно, при каких условиях он даст оптимум. Если брать в группу по одной координате, то работает цитата выше.

Предложен метод оптимизации, который многократно сокращает потребное время. На чем основаны сомнения?

1. Существуют функции .... Много ли их? Имеют ли они место при оптимизации советников? Встречно сомневаюсь

2а. Движение по одной ... Движение по следующей .... Вы привели плоскую модель. А предлагается оптимизация группами параметров. Модель становится многокоординатной и вероятность в этом пространстве встретить пугающую Вас функцию сходит на нет.

2б. Движение по одной ... Движение по следующей .... Ваши сомнения лишь теоретически справедливы при автоматической оптимизации сначала по одной координате, потом по другой и так далее. В этом случае возможно наступление колебаний, в которых система зависнет. Но предлагается руками переходить от одной оптимизации к другой. И тут вполне можно заметить мифический колебательный процесс. Кроме того, возникновение колебаний говорит об отсутствии устойчивости системы, т.е. подобранные параметры верны лишь для выбранного временного участка (переоптимизация)

3. При ограничении параметров от ... до ... в любом случае можно пропустить оптимум. Есть смысл вообще сомневаться в возможности оптимизации

4. После оптимизации группами параметров можно провести финальную полную оптимизацию, многократно сузив области изменения параметров, что при малой затрате времени улучшит результат

12
Новый комментарий