On Jun 28, 3:51 pm, "sielim" <s...@t...tez.wp.pl> wrote:
> Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w
wiadomościnews:6460b30d-449c-49ea-8faa-db2800f8902a@
n5g2000yqh.googlegroups.com...
> On Jun 22, 12:29 pm, "sielim" <s...@t...tez.wp.pl> wrote:
>
> >> 'słabości' w porównaniu z innymi gatunkami. Wtedy jest szansa, że
> >> samoistnie wyizolują się z populacji różne podgatunki, które obsadzą
> >> Ci różne lokalne rozwiązania i będą je lokalnie optymalizować (będą
> >> obsadzać
> >> nisze ewolucyjne) z małą skłonnością do wychodzenia poza swój gatunek.
> >> To dość swobodny pomysł, jeden z wielu, jakie tu można poprowadzić.
> >Mozesz podac jakis konkrety przyklad, konkretne zastosowanie, gdzie
> >ten "swobodny pomysl" dzialal lepiej niz inne algorytmy?
> >Pozdrawiam
>
> Nie jestem w stanie - pomysł był bardzo swobodny :)
> I wcale nie było moim celem wskazanie, że będzie to działać lepiej niż inne
> algorytmy,
Ok, myslalem ze rowniez zaimplementowales i poparles pomysl jakims
eksperymentem.

> chciałem tylko wskazać, że pojęcie 'gatunku' (i idący za nim zakaz
> krzyżowania
> między gatunkami) jest odpowiedzią na pewien generalny problem pojawiający
> się w AG, który w klasycznej postaci albo dąży do uzyskania i optymalizacji
> jednego
> rozwiązania (obsadzenia jednego minimum lub blisko położonej grupy minimów,
> w którego okolicach "obsadza" całą populację) albo w najlepszym razie
> w populacji funkcjonuje kilka grup dobrych ale istotnie różnych rozwiązań,
> których
> krzyżowanie działa degenerująco, nie ma potencjału rozwojowego, a idzie na
> to
> masa energii (czyt: masa procesora pożarta na generowanie międzygrupowych
> degeneratów).
Ano tak jest z algorytmami genetycznymi. Krzyzowanie dwoch dobrych
rozwiazan daje trzecie kompletnie zdegenerowane...

Czesto, aby pokazac nieudolnosc AG, posluguje sie pewnym prostym
zadaniem. Zadanie polega na maksymalizacji pewnej funkcji. Funkcja
ta ma dwa maksima specjalnie rozmieszczone daleko od siebie.
Funkcja jako argument pobiera ciag bitow, zlicza ile jest jedynek i
ile zer, a potem zwraca ilosc tego czego bylo wiecej. Np. dla ciagu
00011 funkcja zwraca wartosc 3, a dla 11110 zwraca wartosc 4.

Ten pomysl, jesli jest sluszny, powinien szybko doprowadzic do
wytworzenia sie dwoch gatunkow - jednego w poblizu samych zer a
drugiego poblizu samych jedynek. Kazdy gatunek tworzy sie w
okolicach swojego maksimum. Wydaje sie ze jest to idealny
problem z ktorym poradzi sobie ten pomysl - ale nie wiem,
tak sie tylko wydaje.

Moze zrob taki eksperyment? Trzeba kazdy algorytm
odpalic tysiace razy na losowej populacji i podac srednia ilosc
wywolan funkcji celu dla obu algorytmow, zanim w procesie
uczenia osiagna maksimum - czyli zanim osiagna same
jedynki albo same zera.

> Strasznie długie to zdanie, ale może ktoś rozumie ... :)
Bez problemu mozna zrozumiec :)
Pozdrawiam