Løsningsalgoritmer Indstillinger

DEPS Evolutionær algoritme

DEPS består af to uafhængige algoritmer: Differentiel evolution og Partikelsværm-optimering. Begge er særligt egnet til numeriske problemer, såsom ikke-lineær optimering og komplementerer hinanden derved at de udligner hinandens mangler.

Opsætning

Beskrivelse

Agenternes ombytningshastighed

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

Antag ikke-negative som variabler

Marker for at gennemtvinge udelukkende postive variaabler.

DE: Overkrydsningssandsynlighed

Definerer sandsynligheden for, at det individuelle væsen kombineres med det globale bedste punkt. Hvis der ikke anvendes overkrydsning, indsamles punktet fra individets egen hukommelse.

DE: Skaleringsfaktor

Under overkrydsning bestemmer skaleringsfaktoren bevægelsens "hastighed".

Læringscykler

Definerer det antal gentagelser, algoritmen skal gennemgå. I hver gentagelse gætter alle individer på den bedste løsning og deler deres viden.

PS: Kognitiv konstant

Sætter vigtigheden af egen hukommelse (i særdeleshed det bedst nåede punkt indtil nu).

PS: Restriktions-koefficient

Definerer den hastighed, hvormed partiklerne/individerne bevæger sig mod hinanden.

PS: Mutations-sandsynlighed

Definerer sandsynligheden for, at den tilfældigt vælger en ny værdi fra det gyldige område til den variabel i stedet for at flytte en komponent af artiklen til det bedste punkt.

PS: Social konstant

Sætter det globale bedste punkts vigtighed mellem alle partikler/individer.

Vis løsningsmotorens udvidede status

Hvis aktiveret vises en yderligere dialog under løsningsprocessen, som giver oplysninger om den aktuelle fremgang, stagnationsniveauet, den bedst kendte løsning såvel som muligheden for at stoppe eller restarte løsningsmotoren.

Sværmens størrelse

Definerer antallet af individer, der skal deltage i læringsprocessen. Hvert individ finder sin egen løsning og bidrager til den samlede viden.

Stagnationsgrænse

Hvis antallet af individuelt fundne løsninger inden for en snæver område, stoppes gentagelsen og den bedste af disse værdier vælges som den optimale.

Stagnationstolerance

Definerer i hvilket område, løsninger anses som "lignende".

Brug af ACR-sammenligner

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

Hvis aktiveret, bruges ACR-sammenligneren. Den sammenligner to individer afhængigt af den aktuelle gentagelse og måler deres kvalitet med viden om bibliotekerne værste kendte løsninger (i henseende til deres overtrædelser af restriktionerne).

Anvendelse af tilfældigt startpunkt

Hvis aktiveret, fyldes biblioteket helt enkelt med tilfældigt valgte punkter.

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

Gisning af variabelgrænser

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

Tærskel for variabelgrænser

Under gisning af variabelgrænser angiver denne tærskel, hvordan startværdierne forskydes for at bygge grænserne. Se venligst et eksempel på, hvordan disse værdier beregnes, i manualen i Wiki-en.


SCO Evolutionære algoritme

Socialkognitiv optimering tager hensyn til menneskelig adfærd under læring og deling af oplysninger. Hvert individ har adgang til et fælles bibliotek og viden delt mellem alle individer.

Opsætning

Beskrivelse

Antag ikke-negative som variabler

Marker for at gennemtvinge udelukkende postive variaabler.

Læringcykler

Definerer det antal af gennemløb, algoritmen bør tage. I hvert gennemløb gisner alle individer på den bedste løsning og deler deres viden.

Vis løsningsmotorens udvidede status

Hvis aktiveret vises en yderligere dialog under løsningsprocessen, som giver oplysninger om den aktuelle fremgang, stagnationsniveauet, den bedst kendte løsning såvel som muligheden for at stoppe eller restarte løsningsmotoren.

Bibliotekets størrelse

Definerer mængden af oplysninger, der skal gemmes i det fælles bibliotek. Hvert individ lagrer viden der og efterspørger oplysninger.

Sværmens størrelse

Definerer antallet af individer, der skal deltage i læringsprocessen. Hvert individ finder sin egen løsning og bidrager til den samlede viden.

Stagnationsgrænse

Hvis antallet af individuelt fundne løsninger inden for en snæver område, stoppes gentagelsen og den bedste af disse værdier vælges som den optimale.

Stagnationstolerance

Definerer i hvilket område, løsninger anses som "lignende".

Brug af ACR-sammenligner

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

Hvis aktiveret, bruges ACR-sammenligneren. Den sammenligner to individer afhængigt af den aktuelle gentagelse og måler deres kvalitet med viden om bibliotekerne værste kendte løsninger (i henseende til deres overtrædelser af restriktionerne).

Gisning af variabelgrænser

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

Tærskel for variabelgrænser

Under gisning af variabelgrænser angiver denne tærskel, hvordan startværdierne forskydes for at bygge grænserne. Se venligst et eksempel på, hvordan disse værdier beregnes, i manualen i Wiki-en.


LibreOffice Lineær løsningsmotor og CoinMP Lineær løsningsmotor

Opsætning

Beskrivelse

Antag heltal som variabler

Marker for at gennemtvinge, at kun heltal kan være ariabler.

Antag ikke-negative som variabler

Marker for at gennemtvinge udelukkende postive variaabler.

Epsilon-niveau

Epsilon-niveau. Gyldige værdier er i området 0 (meget tæt) til 3 (meget løst). Epsilon er tolerancen for at afrunde værdier til nul.

Begræns forgrening og begrænsning

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

Begrænsning af løsningstid

Sætter den maksimale tid, hvor algoritmen skal konvergere mod en løsning.


LibreOffice ikke-lineær Sværmløsningsmotor (Eksperimentel)

Opsætning

Beskrivelse

Antag heltal som variabler

Marker for at gennemtvinge, at kun heltal kan være ariabler.

Antag ikke-negative som variabler

Marker for at gennemtvinge udelukkende postive variaabler.

Begrænsning af løsningstid

Sætter den maksimale tid, hvor algoritmen skal konvergere mod en løsning.

Sværm-algoritme

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


Støt os venligst!