로컬 미니 마/맥시마 문제를 피하기 위해 시뮬레이트 된 어닐링과 같은 것을 사용하여 제안하는 기사와 기사를 여러 번 읽었습니다.유전자/진화 알고리즘 및 지역 최소/최대 값
충분히 큰 임의의 인구로 시작한 경우 왜 이것이 필요한지 이해할 수 없습니다.
사실 초기 인구가 실제로 충분히 크고 무작위 적이라는 것을 확인하는 또 다른 검사입니까? 아니면 그 기술이 "좋은"초기 인구를 생산하는 것의 대안일까요?
로컬 미니 마/맥시마 문제를 피하기 위해 시뮬레이트 된 어닐링과 같은 것을 사용하여 제안하는 기사와 기사를 여러 번 읽었습니다.유전자/진화 알고리즘 및 지역 최소/최대 값
충분히 큰 임의의 인구로 시작한 경우 왜 이것이 필요한지 이해할 수 없습니다.
사실 초기 인구가 실제로 충분히 크고 무작위 적이라는 것을 확인하는 또 다른 검사입니까? 아니면 그 기술이 "좋은"초기 인구를 생산하는 것의 대안일까요?
시뮬레이션 어닐링은 확률 적 최적화 기술입니다 - 당신에게 더 정확한 답변을 줄 안 것, 당신이 빠른을 근사 제공하기로했다.
먼저 시뮬레이션 어닐링이 최후의 수단입니다. 로컬 미니 마가 어디에서 발견되는지 훨씬 더 효율적이고 효율적이며 효과적인 방법을 발견 할 수 있습니다.
더 나은 검사는 통계적 방법을 사용하여 분산 또는 표준 편차와 같은 데이터 세트에 대한 정보를 밝히는 것입니다.
예, 그냥 예제로 사용했습니다. 나는 그룹 플레이로서 메타 휴리스틱 스의 기능을 정말로 알고 싶어했다. – ElGringoGrande
시뮬레이트 된 어닐링은 확률 론적 기술로서 로컬 미니 마/맥시마에 갇히게 될 확률은 온도의 스케줄링에 달려 있습니다. 스케줄링 온도는 문제 유형별로 다릅니다. 진화 알고리즘은 훨씬 강력하고 로컬 미니 마/맥시마에 갇히지 않을 것입니다. SA는 확률 적입니다. 반면 EA는 검색 공간에서 무작위 걸음 걸이를 도입하는 돌연변이를 사용하기 때문에 EA는 글로벌 최적화 가능성이 높습니다.
좋아, 그게 훨씬 합리적이다. 나는 정말로 오해했다. 감사. – ElGringoGrande