Alternativer for løseralgoritmer

DEPS Evolusjonsalgoritme

DEPS består av to uavhengige algoritmer: Differensiell utvikling og partikkelsvermoptimalisering. Begge er spesielt egnet for numeriske problemer, som ikke-lineær optimalisering, og er komplementære til hverandre ved at de utjevner hverandres mangler.

Innstilling

Beskrivelse

Byttehastighet for agent

Spesifiserer sannsynligheten for at en person velger differensialutviklingsstrategien.

Anta at variabler er ikke-negative

Marker for å tvinge variabler til kun å være positive.

DE: Kryssingssannsynlighet

Definerer sannsynligheten for at individet blir kombinert med det globalt beste punktet. Hvis crossover ikke brukes, er punktet satt sammen fra individets eget minne.

DE: Skaleringsfaktor

Under crossover bestemmer skaleringsfaktoren "hastigheten" på bevegelsen.

Læringssykluser

Definerer antall iterasjoner som algoritmen skal ta. I hver iterasjon gjetter alle individer på den beste løsningen og deler kunnskapen sin.

PS: Kognitiv konstant

Angir betydningen av eget minne (spesielt det best nådde punktet så langt).

PS: Konstriksjonskoeffisient

Definerer hastigheten som partiklene/individene beveger seg mot hverandre med.

PS: Mutasjonssannsynlighet

Definerer sannsynligheten for at i stedet for å flytte en komponent av partikkelen mot det beste punktet, velger den tilfeldig en ny verdi fra det gyldige området for den variabelen.

PS: Sosial konstant

Angir betydningen av det globale beste punktet mellom alle partikler/individer.

Vis forbedret løserstatus

Hvis aktivert, vises en ekstra dialogboks under løsningsprosessen som gir informasjon om gjeldende fremdrift, stagnasjonsnivået, den mest kjente løsningen samt muligheten , for å stoppe eller gjenoppta løseren.

Størrelse på svermen

Definerer antall individer som skal delta i læringsprosessen. Hver enkelt finner sine egne løsninger og bidrar til den samlede kunnskapen.

Stagnasjonsbegrensning

Hvis dette antallet individer fant løsninger innenfor et nært område, stoppes iterasjonen og den beste av disse verdiene velges som optimal.

Stagnasjonstoleranse

Definerer i hvilket område løsninger anses som "liknende".

Bruk ACR-sammenligning

Hvis deaktivert (standard), brukes BCH-sammenligneren. Den sammenligner to individer ved først å se på brudd på begrensningene deres, og bare hvis de er like, måler den deres nåværende løsning.

Hvis aktivert, brukes ACR-komparatoren. Den sammenligner to individer som er avhengige av gjeldende iterasjon og måler deres godhet med kunnskap om bibliotekenes verste kjente løsninger (med hensyn til brudd på begrensningene deres).

Bruk tilfeldig startpunkt

Hvis aktivert, blir biblioteket ganske enkelt fylt opp med tilfeldig valgte punkter.

Hvis deaktivert, blir gjeldende verdier (som gitt av brukeren) satt inn i biblioteket som referansepunkt.

Gjetting av variabelgrenser

Hvis aktivert (standard), prøver algoritmen å finne variabelgrenser ved å se på startverdiene.

Terskel for variabelgrenser

Når man gjetter variabelgrenser, spesifiserer denne terskelen hvordan startverdiene forskyves for å bygge grensene. For et eksempel på hvordan disse verdiene beregnes, se manualen i Wiki.


SCO-evolusjonsalgoritme

Sosial kognitiv optimalisering tar hensyn til menneskelig atferd ved å lære og dele informasjon. Hver enkelt har tilgang til et felles bibliotek med kunnskap som deles mellom alle individer.

Innstilling

Beskrivelse

Anta at variabler er ikke-negative

Marker for å tvinge variabler til kun å være positive.

Læringssykluser

Definerer antall iterasjoner som algoritmen skal ta. I hver iterasjon gjetter alle individer på den beste løsningen og deler kunnskapen sin.

Vis forbedret løserstatus

Hvis aktivert, vises en ekstra dialogboks under løsningsprosessen som gir informasjon om gjeldende fremdrift, stagnasjonsnivået, den mest kjente løsningen samt muligheten , for å stoppe eller gjenoppta løseren.

Størrelse på bibliotek

Definerer mengden informasjon som skal lagres i det offentlige biblioteket. Hver enkelt lagrer kunnskap der og ber om informasjon.

Størrelse på svermen

Definerer antall individer som skal delta i læringsprosessen. Hver enkelt finner sine egne løsninger og bidrar til den samlede kunnskapen.

Stagnasjonsbegrensning

Hvis dette antallet individer fant løsninger innenfor et nært område, stoppes iterasjonen og den beste av disse verdiene velges som optimal.

Stagnasjonstoleranse

Definerer i hvilket område løsninger anses som "liknende".

Bruk ACR-sammenligning

Hvis deaktivert (standard), brukes BCH-sammenligneren. Den sammenligner to individer ved først å se på brudd på begrensningene deres, og bare hvis de er like, måler den deres nåværende løsning.

Hvis aktivert, brukes ACR-komparatoren. Den sammenligner to individer som er avhengige av gjeldende iterasjon og måler deres godhet med kunnskap om bibliotekenes verste kjente løsninger (med hensyn til brudd på begrensningene deres).

Gjetting av variabelgrenser

Hvis aktivert (standard), prøver algoritmen å finne variabelgrenser ved å se på startverdiene.

Terskel for variabelgrenser

Når man gjetter variabelgrenser, spesifiserer denne terskelen hvordan startverdiene forskyves for å bygge grensene. For et eksempel på hvordan disse verdiene beregnes, se manualen i Wiki.


LibreOffice Linjær Løser og CoinMP Linjær Løser

Innstilling

Beskrivelse

Anta at variabler er heltall

Marker for å tvinge variabler til bare å være heltall.

Anta at variabler er ikke-negative

Marker for å tvinge variabler til kun å være positive.

Epsilon nivå

Epsilon nivå. Gyldige verdier er i området 0 (veldig stramt) til 3 (veldig løst). Epsilon er toleransen for å avrunde verdier til null.

Begrens gren-og-bundet dybde

Angir maksimal gren-og-bundet dybde. En positiv verdi betyr at dybden er absolutt. En negativ verdi betyr en relativ gren-og-bundet dybdegrense.

Tidsgrense for løser

Angi maksimal tid for algoritmen for å konvergere til en løsning.


LibreOffice Sverm Ikke-lineær løser (eksperimentell)

Innstilling

Beskrivelse

Anta at variabler er heltall

Marker for å tvinge variabler til bare å være heltall.

Anta at variabler er ikke-negative

Marker for å tvinge variabler til kun å være positive.

Tidsgrense for løser

Angi maksimal tid for algoritmen for å konvergere til en løsning.

Svermalgoritme

Still inn svermalgoritmen. 0 for differensiell evolusjon og 1 for partikkelsvermoptimalisering. Standard er 0.


Supporter oss!