Možnosti algoritmů řešitele

Evoluční algoritmus DEPS

DEPS sestává ze dvou nezávislých algoritmů: diferenciální evoluce a optimalizace hejnem částic. Oba jsou vhodné pro řešení numerických problémů, jako je nelineární optimalizace, a vzájemně se doplňují a vyvažují své nedostatky.

Nastavení

Popis

Míra přechodu činitele

Určuje pravděpodobnost, s jakou si jedinec vybere strategii diferenciální evoluce.

Předpokládat nezáporné proměnné

Zaškrtnutím nastavíte, že hodnoty proměnných mohou být pouze kladné.

DE: Pravděpodobnost křížení

Určuje pravděpodobnost kombinace jedince s globálně nejlepším bodem. Pokud není křížení použito, je bod vytvořen z vlastní paměti jedince.

DE: Měřítko

Při křížení rozhoduje měřítko o „rychlosti“ pohybu.

Učící cykly

Určuje počet iterací, které má algoritmus vykonat. V každé iteraci všichni jedinci odhadují nejlepší řešení a sdílí své znalosti.

PS: Kognitivní konstanta

Určuje důležitost vlastní paměti (hlavně nejlepšího zatím dosaženého bodu).

PS: Koeficient konstrikce

Určuje rychlost, jakou se částice/jedinci pohybují směrem k sobě.

PS: Pravděpodobnost mutace

Určuje pravděpodobnost, s jakou je místo toho, aby se komponenta částice pohybovala směrem k nejlepšímu bodu, náhodně vybrána nová hodnota z rozsahu platného pro danou proměnnou.

PS: Sociální konstanta

Určuje důležitost globálních nejlepších bodů při komunikaci mezi všemi částicemi/jedinci.

Zobrazit podrobnosti o stavu řešitele

Pokud je povoleno, zobrazí se během řešení další dialogové okno s údaji o aktuálním průběhu, úrovni stagnace, aktuálním nejlepším řešení a také s možností řešení zastavit nebo obnovit.

Velikost populace

Určuje počet jedinců, kteří se budou účastnit procesu učení. Každý jedinec hledá vlastní řešení a přispívá k celkové znalosti.

Mez stagnace

Pokud zadaný počet jedinců nalezne řešení pohybující se v úzkém rozsahu, je iterace zastavena a jako optimální je vybrána nejlepší z těchto hodnot.

Tolerance stagnace

Určuje, v jakém rozsahu budou řešení považována za „podobná“.

Použít ACR komparátor

Pokud je zakázáno (výchozí), je použit BCH komparátor. Porovnává dva jedince tak, že nejdříve zkontroluje jejich porušení omezení, a pouze pokud jsou shodné, porovnává jejich aktuální řešení.

Pokud je povoleno, je použit ACR komparátor. Porovnává dva jedince v závislosti na aktuální iteraci a poměřuje jejich správnost s využitím znalostí o nejhorších známých řešeních z knihovny (vzhledem k tomu, jak porušují omezení).

Použít náhodný počátek

Pokud je povoleno, je knihovna jednoduše vyplněna náhodně zvolenými body.

Pokud je zakázáno, jako referenční body jsou do knihovny vloženy aktuální hodnoty (zadané uživatelem).

Odhad mezí proměnných

Je-li povoleno (výchozí), algoritmus se snaží najít meze proměnných na základě počátečních hodnot.

Práh mezí proměnných

Tento práh určuje, jak jsou počáteční hodnoty posunuty při odhadu mezí proměnných. Příklad, jak se tyto hodnoty počítají, naleznete v příručce na wiki.


Evoluční algoritmus SCO

Sociálně kognitivní optimalizace se inspiruje chováním lidí, kteří se učí a sdílejí informace. Každý jednotlivec má přístup ke knihovně znalostí, které jsou sdíleny mezi všemi.

Nastavení

Popis

Předpokládat nezáporné proměnné

Zaškrtnutím nastavíte, že hodnoty proměnných mohou být pouze kladné.

Učící cykly

Určuje počet iterací, které má algoritmus vykonat. V každé iteraci všichni jedinci odhadují nejlepší řešení a sdílí své znalosti.

Zobrazit podrobnosti o stavu řešitele

Pokud je povoleno, zobrazí se během řešení další dialogové okno s údaji o aktuálním průběhu, úrovni stagnace, aktuálním nejlepším řešení a také s možností řešení zastavit nebo obnovit.

Velikost knihovny

Určuje množství informací, které mají být uloženy ve společné knihovně. Každý jedinec do ní ukládá svá zjištění a stejně tak z ní informace i získává.

Velikost populace

Určuje počet jedinců, kteří se budou účastnit procesu učení. Každý jedinec hledá vlastní řešení a přispívá k celkové znalosti.

Mez stagnace

Pokud zadaný počet jedinců nalezne řešení pohybující se v úzkém rozsahu, je iterace zastavena a jako optimální je vybrána nejlepší z těchto hodnot.

Tolerance stagnace

Určuje, v jakém rozsahu budou řešení považována za „podobná“.

Použít ACR komparátor

Pokud je zakázáno (výchozí), je použit BCH komparátor. Porovnává dva jedince tak, že nejdříve zkontroluje jejich porušení omezení, a pouze pokud jsou shodné, porovnává jejich aktuální řešení.

Pokud je povoleno, je použit ACR komparátor. Porovnává dva jedince v závislosti na aktuální iteraci a poměřuje jejich správnost s využitím znalostí o nejhorších známých řešeních z knihovny (vzhledem k tomu, jak porušují omezení).

Odhad mezí proměnných

Je-li povoleno (výchozí), algoritmus se snaží najít meze proměnných na základě počátečních hodnot.

Práh mezí proměnných

Tento práh určuje, jak jsou počáteční hodnoty posunuty při odhadu mezí proměnných. Příklad, jak se tyto hodnoty počítají, naleznete v příručce na wiki.


Lineární řešitel LibreOffice a lineární řešitel CoinMP

Nastavení

Popis

Předpokládat celočíselné proměnné

Zaškrtnutím nastavíte, že hodnoty proměnných mohou být pouze celá čísla.

Předpokládat nezáporné proměnné

Zaškrtnutím nastavíte, že hodnoty proměnných mohou být pouze kladné.

Úroveň epsilon

Úroveň epsilon. Platné hodnoty se nacházejí v rozsahu 0 (velmi těsné) až 3 (velmi volné). Epsilon znamená toleranci pro zaokrouhlování hodnot k nule.

Omezení hloubky větví a mezí

Určuje maximální hloubku větví a mezí. Kladná hodnota znamená absolutní hloubku, záporná relativní omezení větví a mezí.

Limit na řešení

Určuje maximální čas ponechaný na to, aby algoritmus konvergoval k řešení.


Nelineární algoritmus LibreOffice používající hejno (experimentální)

Nastavení

Popis

Předpokládat celočíselné proměnné

Zaškrtnutím nastavíte, že hodnoty proměnných mohou být pouze celá čísla.

Předpokládat nezáporné proměnné

Zaškrtnutím nastavíte, že hodnoty proměnných mohou být pouze kladné.

Limit na řešení

Určuje maximální čas ponechaný na to, aby algoritmus konvergoval k řešení.

Algoritmus hejna

Nastavte algoritmus hejna. 0 znamená diferenciální evoluci, 1 optimalizaci hejnem částic. Výchozí je 0.


Podpořte nás!