eGospodarka.pl
eGospodarka.pl poleca

eGospodarka.plGrupypl.comp.programmingMetody genetyczne a minimum funkcjiRe: Metody genetyczne a minimum funkcji
  • Data: 2010-07-22 22:20:02
    Temat: Re: Metody genetyczne a minimum funkcji
    Od: Michoo <m...@v...pl> szukaj wiadomości tego autora
    [ pokaż wszystkie nagłówki ]

    slawek pisze:
    >
    > Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w
    > wiadomości grup
    > dyskusyjnych:99ca78d6-5bcd-4a25-8c58-bc3efa80e922@e5
    g2000yqn.googlegroups.com...
    >
    >> Już czytałem nie jedno, więcej nie dam się nabrać :) Podejrzewam że
    >
    > Szukamy ekstremum globalnego. Mamy do wyboru algorytmy: losowe,
    > gradientowe, sympleks, studzenie, genetyczne. Czy coś pominąłem?
    >
    > Powtórzenie obliczeń algorytmem tej samej klasy da przypuszczalnie to
    > samo minimum lokalne. A tego nie chcemy.
    Dla dobrze napisanego algorytmu - rzadko, chyba, że to minimum lokalne
    jest w gruncie rzeczy dość dobre.

    > Różne mogą być funkcje i dla
    > niektórych algorytm genetyczny może być lepszy. Ponadto genetyczny
    > nieźle się paralelizuje chyba. Daje radę ze zmiennymi dyskretnymi.
    Pominąłeś takie metaheurystyki jak "kontrolowane wyżarzanie" (chyba, że
    to u Ciebie "studzenie") i tabu search.

    Ztcp kontrolowane wyżarzanie daje często dobre efekty.


    > Random jest zbyt drogi gdy zmienne idą do nieskończoności.
    >
    Algorytmy genetyczne to taki "random na sterydach". Stosowany wtedy gdy
    nie da się lepszej metaheyrystyki dostosować.

    --
    Pozdrawiam
    Michoo

Podziel się

Poleć ten post znajomemu poleć

Wydrukuj ten post drukuj


Następne wpisy z tego wątku

Najnowsze wątki z tej grupy


Najnowsze wątki

Szukaj w grupach

Eksperci egospodarka.pl

1 1 1

Wpisz nazwę miasta, dla którego chcesz znaleźć jednostkę ZUS.

Wzory dokumentów

Bezpłatne wzory dokumentów i formularzy.
Wyszukaj i pobierz za darmo: