On 21 Lip, 15:26, Daniel Janus <d...@d...pl> wrote:
> Dnia 21.07.2010 Mariusz Marszałkowski <m...@g...com> napisał/a:
>
> >> > to tak trudne, że rezygnuje się z algorytmów genetycznych. Algorytmy
> >> > genetyczne z powodzeniem można zastosować jedynie tam gdzie
> >> > nie ma nadziei na jakikolwiek inni algorytm.
>
> >> Nieprawda.
>
> > Więc gdzie z powodzeniem zastosowano naiwny algorytm genetyczny?
>
>    http://www-personal.umich.edu/~axe/research/Evolvin
g.pdf

Nie ma tam wyników dla innych metod niż AG. Wiem ze da się
rozwiązywać zadania przy pomocy AG, chodzi o to że inne metody,
dostosowanie do danego problemu, z reguły rozwiązują znacznie
szybciej. Np. rozwiązać układ równań liniowych przy pomocy
metody Gaussa i AG, która metoda rozwiąże szybciej i dokładniej?

Pozdrawiam

do góry

Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w wiadomości
grup
dyskusyjnych:8f55e46f-8a33-406a-bb59-b42c80c25392@i2
8g2000yqa.googlegroups.com...
> Tak. Wystarczy wziąć funkcję xor jako przykład.

To nie naiwność, to głupota.

slawek

do góry

Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w wiadomości
grup
dyskusyjnych:37b0686a-6aec-4024-bea0-4d948fd49b49@r2
7g2000yqb.googlegroups.com...
> Więc gdzie z powodzeniem zastosowano naiwny algorytm genetyczny?

Poczytaj.

> Dlaczego nie?

Bo są lepsze.

slawek

do góry

On 21 Lip, 22:38, "slawek" <s...@h...pl> wrote:
> Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w wiadomości
> grup
> dyskusyjnych:37b0686a-6aec-4024-bea0-4d948fd49...@r2
7g2000yqb.googlegroups.com...
>
> > Więc gdzie z powodzeniem zastosowano naiwny algorytm genetyczny?
>
> Poczytaj.

Już czytałem nie jedno, więcej nie dam się nabrać :) Podejrzewam że
algorytm
genetyczny zawsze bez wyjątku wypadnie gorzej niż algorytm dobrany do
zadania.
Oznacza to tyle samo, że algorytm genetyczny to ostateczność, można
stosować
jeśli naprawdę nic nie wiadomo o zadaniu.

Pozdrawiam

do góry

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. Różne mogą być funkcje i dla niektórych
algorytm genetyczny może być lepszy. Ponadto genetyczny nieźle się
paralelizuje chyba. Daje radę ze zmiennymi dyskretnymi. Random jest zbyt
drogi gdy zmienne idą do nieskończoności.

To tyle.

slawek

do góry

Użytkownik "slawek" <s...@h...pl> napisał w wiadomości
news:4c47fe78$0$19183$65785112@news.neostrada.pl...
> Szukamy ekstremum globalnego. Mamy do wyboru algorytmy: losowe,
> gradientowe, sympleks, studzenie, genetyczne. Czy coś pominąłem?

U mnie genetyczne zupełnie nie działają, propaguje się jedna nieoptymalna (a
jedynie chyba najmniejsza z inicjownaych) wartość.
Zastosowałem metodę bezgradientową- bo nie znam pochodnej ani postaci
analitycznej funkcji - metodę Hooke'a Jeevesa.
Jest wolno zbieżna, potrzebuje z 200 razy wywołać funkcję bo potrzeba 10
kroków aby zmniejszyć krok o połowę. Ale chyba nie ma nic lepszego.
Jeśli znajdzie tylko minimum lokalne a potrzebujemy globalnego to losujemy
kilkanaście punktów początkowych, każdy zdąży do swego minimum i wybierzemy
najmniejsze.

do góry

On 22 Lip, 10:16, "slawek" <s...@h...pl> wrote:
> Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w wiadomości
> grup
> dyskusyjnych:99ca78d6-5bcd-4a25-8c58-bc3efa80e...@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. Różne mogą być funkcje i dla niektórych
> algorytm genetyczny może być lepszy. Ponadto genetyczny nieźle się
> paralelizuje chyba. Daje radę ze zmiennymi dyskretnymi. Random jest zbyt
> drogi gdy zmienne idą do nieskończoności.

Zgoda że AG ma szanse wypaść najlepiej, ale dopiero gdy to będzie
baaaardzo
trudna funkcja. Dopiero gdy to będzie taka funkcja, że zmiana jednego
bitu będzie
powodowała bardzo duże wahanie wartości funkcji.

W przypadku gładkich funkcji jednomodalnych zawsze lepiej wypadnie
algorytm
gradientowy. W przypadku gładkich wielomodalnych - gradientowy z
multistartem.
Zastosowanie AG to ostateczność, gdy nic innego nie działa.

Pozdrawiam

do góry

On 07/22/2010 11:08 AM, Borneq wrote:
> Użytkownik "slawek" <s...@h...pl> napisał w wiadomości
> news:4c47fe78$0$19183$65785112@news.neostrada.pl...
>> Szukamy ekstremum globalnego. Mamy do wyboru algorytmy: losowe,
>> gradientowe, sympleks, studzenie, genetyczne. Czy coś pominąłem?
>
> U mnie genetyczne zupełnie nie działają, propaguje się jedna
> nieoptymalna (a jedynie chyba najmniejsza z inicjownaych) wartość.
> Zastosowałem metodę bezgradientową- bo nie znam pochodnej ani postaci

A nie możesz policzyć dyskretnej pochodnej?

do góry

On 07/22/2010 04:23 PM, Segmentation Fault wrote:
> On 07/22/2010 11:08 AM, Borneq wrote:

> A nie możesz policzyć dyskretnej pochodnej?
>

Numerycznej miało być

do góry

Użytkownik "Segmentation Fault" <c...@o...eu> napisał w
wiadomości news:4c4854cc$0$19182$65785112@news.neostrada.pl...
>> A nie możesz policzyć dyskretnej pochodnej?
> Numerycznej miało być

Szybko liczy metoda najszybszego spadku ale nie wiadomo jaki współczynnik
alfa dobrać.

do góry