Indstillinger af Problemløser-algoritmer

DEPS evolutionær algoritme

DEPS består af to uafhængige algoritmer: Differential Evolution og Particle Swarm Optimization. Begge er særligt egnede til numeriske problemer, for eksempel ikke-lineær optimering, og er komplementære til hinanden sådan at de udjævner hinandens mangler.

Indstilling

Beskrivelse

Forekomst af agentskift

Angiver sandsynligheden for, at et individ vælger strategien Differentiel evolution.

Antag at variable er ikke-negative

Markér for at tvinge variable til udelukkende at være positive.

DE: Omskiftningssandsynlighed

Definerer sandsynligheden for, at individet blever kombineret med det globalt bedste punkt. Hvis der ikke bruges omskiftning, indsamles punktet fra individets egen hukommelse.

DE: Skaleringsfaktor

Under omskiftningen bestemmer skaleringsfaktoren bevægelsens "hastighed".

Læringscykler

Definerer antallet af gentagelser, algoritmen bør tage. I hver gentagelse gætter alle individer på den bedste løsning og deler deres viden.

PS: Kognitiv konstant

Fastlægger vigtigheden af egen hukommelse (i særdeleshed det indtil videre nåede bedste punkt).

PS: Indsnævrings-koefficient

Definerer den hastighed, som partiklerne/individerne nærmer sig hinanden med.

PS: Mutationssandsynlighed

Definerer sandsynligheden for, at i stedet for at flytte en komponent i partiklen mod det bedste punkt, vælger det tilfældigt en ny værdi inden for denne variabels gyldige område.

PS: Social konstant

Fastlægger vigtigheden af det globale bedste punkt blandt alle partikler/individer.

Vis forbedret problemløser-status

Hvis aktiveret vises under løsningsprocessen en supplerende dialog, som giver oplysninger om den aktuelle fremgang, stagnationsniveauet, den aktuelle bedst kendte løsning såvel som muligheden af at stoppe eller genstarte løsningen.

Sværmens størrelse

Definerer det antal individer, der deltager i læringsporcessen. Hver individ finder sine egne løsninger og bidrager til den samlede viden.

Stagnationsgrænse

Hvis dette antal individuelt fundne løsninger er inden for et snævert område, stoppes gentagelsen og den bedste af disse værdier vælges som den optimale.

Stagnationstolerance

Definerer i hvilket område, løsninger anses som “lignende”.

Brug ACR-sammenligner

Hvis deaktiveret (standard) bruges BCH-sammenligneren. Den sammenligner to individer ved først at se på deres overtrædelser af begrænsninger og kun hvis disse ligner hinanden, måler den deres aktuelle løsning.

Hvis aktiveret bruges ACR-sammenligneren. Den sammenligner to individer afhængigt af den aktuelle gentagelse og måler deres succes med viden om bibliotekernes kendte værste løsninger (i forhold til deres overtrædelser af begrænsningerne).

Brug Tilfældigt startpunkt

Hvis aktiveret fyldes biblioteket simpelthen op med tilfældigt valgte punkter.

Hvis deaktiveret, indsættes de aktuelt tilstedeværende værdier (som givet af brugeren) i biblioteket som referencepunkt.

Gætning af Variabelgrænser

Hvis aktiveret (standard), prøver algoritmen at finde variabelgrænser ved at se på startværdierne.

Tærskel for Variabelgrænser

Under gætning af variabelgrænser angiver denne tærskel, hvordan startværdierne ombyttes for at bygge grænserne. Se et eksempel på, hvordan disse værdier beregnes, i manualen i wiki-en.


SCO Evolutionær algoritme

Social Cognitiv Optimering tager hensyn til menneskelig adfærd under læring og deling af information. Hvert individ har adgang til et fælles bibliotek med viden, der deles blandt alle individer.

Indstilling

Beskrivelse

Antag at variable er ikke-negative

Markér for at tvinge variable til udelukkende at være positive.

Læringcykler

Definerer det antal gentagelser, algoritmen bør tage. I løbet af hver gentagelse foretager alle individer et gæt på den bedste løsning og deler deres viden.

Vis forbedret problemløser-status

Hvis aktiveret vises under løsningsprocessen en supplerende dialog, som giver oplysninger om den aktuelle fremgang, stagnationsniveauet, den aktuelle bedst kendte løsning såvel som muligheden af at stoppe eller genstarte løsningen.

Bibliotekets størrelse

Definerer den mængde information, der skal gemmes i det fælles bibliotek. Hvert individ oplagrer viden der og søger information.

Sværmens størrelse

Definerer det antal individer, der deltager i læringsporcessen. Hver individ finder sine egne løsninger og bidrager til den samlede viden.

Stagnationsgrænse

Hvis dette antal individuelt fundne løsninger er inden for et snævert område, stoppes gentagelsen og den bedste af disse værdier vælges som den optimale.

Stagnationstolerance

Definerer i hvilket område, løsninger anses som “lignende”.

Brug ACR-sammenligner

Hvis deaktiveret (standard) bruges BCH-sammenligneren. Den sammenligner to individer ved først at se på deres overtrædelser af begrænsninger og kun hvis disse ligner hinanden, måler den deres aktuelle løsning.

Hvis aktiveret bruges ACR-sammenligneren. Den sammenligner to individer afhængigt af den aktuelle gentagelse og måler deres succes med viden om bibliotekernes kendte værste løsninger (i forhold til deres overtrædelser af begrænsningerne).

Gætning af Variabelgrænser

Hvis aktiveret (standard), prøver algoritmen at finde variabelgrænser ved at se på startværdierne.

Tærskel for Variabelgrænser

Under gætning af variabelgrænser angiver denne tærskel, hvordan startværdierne ombyttes for at bygge grænserne. Se et eksempel på, hvordan disse værdier beregnes, i manualen i wiki-en.


LibreOffice Lineær Problemløser og CoinMP Lineær Problemløser

Indstilling

Beskrivelse

Antag at variable er heltal

Markér for at tvinge variable til udelukkende at være heltal.

Antag at variable er ikke-negative

Markér for at tvinge variable til udelukkende at være positive.

Epsilon-niveau

Epsilon-niveau. Gyldige værdier ligger i området 0 (meget tæt) til 3 (meget løst). Epsilon er tolerencen for afrunding af værdier til nul.

Begræns dybden i forgrening-og-begrænsning

Angiver den maksimale dybde i forgrening-og-begrænsning. En positiv værdi betyder, at dybden er absolut. En negativ værdi betyder en relativ begrænsning af dybden i forgrening-og-begrænsning.

Problemløserens tidsgrænse

Sætter den maksimale tid, algoritmen kan tilnærme sig en løsning.


LibreOffice Svæm Ikke-lineær problemløser (Eksperimentel)

Indstilling

Beskrivelse

Antag at variable er heltal

Markér for at tvinge variable til udelukkende at være heltal.

Antag at variable er ikke-negative

Markér for at tvinge variable til udelukkende at være positive.

Problemløserens tidsgrænse

Sætter den maksimale tid, algoritmen kan tilnærme sig en løsning.

Sværm-algoritme

Sæt sværm-algoritmen. 0 for differentiel evolution og 1 for partikel-sværm optimering. Standard er 0.


Støt os venligst!