Optionen fĂŒr Solver-Algorithmen

DEPS entwickelnder Algorithmus

DEPS besteht aus zwei unabhĂ€ngigen Algorithmen: Differentielle Entwicklung und Partikelschwarmoptimierung. Beide eignen sich besonders fĂŒr numerische Probleme wie die nichtlineare Optimierung und ergĂ€nzen sich insofern, als sie ihre anderen MĂ€ngel ausgleichen.

Einstellung

Beschreibung

Mittlere Wechselrate

Gibt die Wahrscheinlichkeit an, mit der eine Person die differentielle Entwicklungsstrategie wÀhlt.

Variable Zellen nicht negativ

Markieren, um zu erzwingen, dass Variablen nur positiv sind.

DE: Wechselwahrscheinlichkeit

Legt die Wahrscheinlichkeit fest, dass der einzelne mit dem global besten Punkt kombiniert wird. Wenn kein Wechsel angegeben wird, wird der Punkt aus dem Einzelwert ermittelt.

DE: Skalierungsfaktor

WĂ€hrend des Wechsels entscheidet der Skalierungsfaktor ĂŒber die „Geschwindigkeit“ der Bewegung.

Lernzyklen

Definiert die Anzahl der Wiederholung, die der Algorithmus ausfĂŒhren soll. Bei jeder Wiederholung erraten alle Individuen die beste Lösung und teilen ihr Wissen.

PS: Kognitive Konstante

Legt die Wichtigkeit des eigenen Speichers fest (insbesondere den bisher am besten erreichten Punkt).

PS: Verengungskoeffizient

Legt die Geschwindigkeit fest, mit der sich die Partikel/Individuen aufeinander zu bewegen.

PS: Mutationswahrscheinlichkeit

Legt die Wahrscheinlichkeit fest, dass eine Komponente des Partikels nicht zum besten Punkt bewegt wird, sondern zufĂ€llig einen neuen Wert aus dem gĂŒltigen Bereich fĂŒr diese Variable auswĂ€hlt.

PS: Soziale Konstante

Legt die Wichtigkeit des global besten Punktes zwischen allen Partikeln/Individuen fest.

Erweiterten Solver-Status anzeigen

Falls aktiviert, wird wĂ€hrend des Lösungsprozesses ein zusĂ€tzlicher Dialog angezeigt, der Informationen ĂŒber den aktuellen Fortschritt, den Grad der Stagnation, die derzeit beste Lösung sowie die Möglichkeit zum Anhalten oder Fortsetzen des Solvers enthĂ€lt.

SchwarmgrĂ¶ĂŸe

Legt die Anzahl der Individuen fest, die am Lernprozess teilnehmen sollen. Jedes einzelne findet seine eigenen Lösungen und trÀgt zum Gesamtwissen bei.

Stagnationsgrenze

Wenn diese Anzahl von Individuen Lösungen in einem engen Bereich gefunden hat, wird die Iteration gestoppt und der beste dieser Werte als optimal ausgewÀhlt.

Stagnations-Toleranz

Legt fest, in welchem Bereich Lösungen als "Àhnlich" gelten.

ACR-Komparator verwenden

Wenn deaktiviert (Standard), wird der BCH-Komparator verwendet. Er vergleicht zwei Individuen, indem er zuerst ihre EinschrÀnkungen untersucht und nur dann, wenn diese gleich sind, ihre aktuelle Lösung misst.

Wenn aktiviert, wird der ACR-Komparator verwendet. Er vergleicht zwei Individuen, die von der aktuellen Iteration abhĂ€ngig sind, und misst ihre GĂŒte mit dem Wissen ĂŒber die schlechtesten bekannten Lösungen der Bibliotheken (im Hinblick auf ihre EinschrĂ€nkungsverletzungen).

ZufÀlligen Startpunkt verwenden

Wenn aktiviert, wird die Bibliothek einfach mit zufĂ€llig ausgewĂ€hlten Punkten gefĂŒllt.

Wenn deaktiviert, werden die aktuell vorhandenen Werte (wie vom Benutzer angegeben) als Referenzpunkt in die Bibliothek eingefĂŒgt.

Variable Grenzen erraten

Wenn aktiviert (Standard), versucht der Algorithmus, anhand der Startwerte variable Grenzen zu finden.

Schwellenwert fĂŒr variable Grenzen

Beim Erraten variabler Grenzen gibt dieser Schwellenwert an, wie die Anfangswerte verschoben werden, um die Grenzen zu bilden. Ein Beispiel fĂŒr die Berechnung dieser Werte finden Sie im Handbuch im Wiki.


SCO-Entwicklungsalgorithmus

Die soziale kognitive Optimierung berĂŒcksichtigt das menschliche Verhalten beim Lernen und Teilen von Informationen. Jede Person hat Zugang zu einer gemeinsamen Bibliothek mit Wissen, das von allen Personen geteilt wird.

Einstellung

Beschreibung

Variable Zellen nicht negativ

Markieren, um zu erzwingen, dass Variablen nur positiv sind.

Lernzyklen

Legt die Anzahl der Wiederholungen fest, die der Algorithmus ausfĂŒhren soll. In jeder Wiederholung erraten alle Individuen die beste Lösung und teilen ihr Wissen.

Erweiterten Solver-Status anzeigen

Falls aktiviert, wird wĂ€hrend des Lösungsprozesses ein zusĂ€tzlicher Dialog angezeigt, der Informationen ĂŒber den aktuellen Fortschritt, den Grad der Stagnation, die derzeit beste Lösung sowie die Möglichkeit zum Anhalten oder Fortsetzen des Solvers enthĂ€lt.

GrĂ¶ĂŸe der Bibliothek

Legt die Menge der Informationen fest, die in der öffentlichen Bibliothek gespeichert werden sollen. Jeder Einzelne speichert dort Wissen und bittet um Informationen.

SchwarmgrĂ¶ĂŸe

Legt die Anzahl der Individuen fest, die am Lernprozess teilnehmen sollen. Jedes einzelne findet seine eigenen Lösungen und trÀgt zum Gesamtwissen bei.

Stagnationsgrenze

Wenn diese Anzahl von Individuen Lösungen in einem engen Bereich gefunden hat, wird die Iteration gestoppt und der beste dieser Werte als optimal ausgewÀhlt.

Stagnations-Toleranz

Legt fest, in welchem Bereich Lösungen als "Àhnlich" gelten.

ACR-Komparator verwenden

Wenn deaktiviert (Standard), wird der BCH-Komparator verwendet. Er vergleicht zwei Individuen, indem er zuerst ihre EinschrÀnkungen untersucht und nur dann, wenn diese gleich sind, ihre aktuelle Lösung misst.

Wenn aktiviert, wird der ACR-Komparator verwendet. Er vergleicht zwei Individuen, die von der aktuellen Iteration abhĂ€ngig sind, und misst ihre GĂŒte mit dem Wissen ĂŒber die schlechtesten bekannten Lösungen der Bibliotheken (im Hinblick auf ihre EinschrĂ€nkungsverletzungen).

Variable Grenzen erraten

Wenn aktiviert (Standard), versucht der Algorithmus, anhand der Startwerte variable Grenzen zu finden.

Schwellenwert fĂŒr variable Grenzen

Beim Erraten variabler Grenzen gibt dieser Schwellenwert an, wie die Anfangswerte verschoben werden, um die Grenzen zu bilden. Ein Beispiel fĂŒr die Berechnung dieser Werte finden Sie im Handbuch im Wiki.


LibreOffice Linearer Solver und CoinMP Linearer Solver

Einstellung

Beschreibung

Variable Zellen ganzzahlig

Markieren, um zu erzwingen, dass Variablen nur ganze Zahlen annehmen.

Variable Zellen nicht negativ

Markieren, um zu erzwingen, dass Variablen nur positiv sind.

Epsilon-Level

Epsilon-Level. GĂŒltige Werte liegen im Bereich von 0 (sehr eng) bis 3 (sehr weit). Epsilon ist die Toleranz fĂŒr Rundungswerte auf Null.

Branch-and-Bound-Tiefe begrenzen

Gibt die maximale Tiefe fĂŒr Verzweigungen und Bindungen an. Ein positiver Wert bedeutet, dass die Tiefe absolut ist. Ein negativer Wert bedeutet eine relative Tiefengrenze fĂŒr Verzweigungen und Bindungen.

Zeitlimit des Solvers

Legt die maximale Zeit fest, die der Algorithmus benötigt, um zu einer Lösung zu konvergieren.


LibreOffice Swarm Nichtlinearer Solver (experimentell)

Einstellung

Beschreibung

Variable Zellen ganzzahlig

Markieren, um zu erzwingen, dass Variablen nur ganze Zahlen annehmen.

Variable Zellen nicht negativ

Markieren, um zu erzwingen, dass Variablen nur positiv sind.

Zeitlimit des Solvers

Legt die maximale Zeit fest, die der Algorithmus benötigt, um zu einer Lösung zu konvergieren.

Swarm-Algorithmus

Stellt den Schwarmalgorithmus ein. 0 fĂŒr die differentielle Evolution und 1 fĂŒr die Partikelschwarmoptimierung. Standard ist 0.


Bitte unterstĂŒtzen Sie uns!