Comments 4
Итак, Генетические алгоритмы оптимизируют временные ряды, которые оптимизируют генетические алгоритм. Но не будет ли результатом такой «рекурсии», то что мы потеряем приспособляемость генетических алгоритмов и сведем их к рядам.
Это как нейросети и стат. анализ.
Это как нейросети и стат. анализ.
Я понял иначе… Наблюдаем за хромосомами в течение некоторого количества поколений -> накапливаем статистику для каждого гена (статистика аллели?) -> Когда удостоверимся, что статистика накоплена, делаем вывод о том, какое значение должен иметь каждый конкретный ген. Правильно?
Я только не понял, что означает «статистически (не)управляемые».
Я только не понял, что означает «статистически (не)управляемые».
1)Да, абсолютно правильно.
2)Процесс находится в статистически управляемом состоянии, если изменчивость вызвана только случайными причинами. При этом, поскольку мы предполагаем, что нам известны все способы воздействия на параметры алгоритма, то статистическую управляемость можно понимать, как статистическую стабильность. Подробнее можно почитать тут.
2)Процесс находится в статистически управляемом состоянии, если изменчивость вызвана только случайными причинами. При этом, поскольку мы предполагаем, что нам известны все способы воздействия на параметры алгоритма, то статистическую управляемость можно понимать, как статистическую стабильность. Подробнее можно почитать тут.
Правомерное замечание. Но ГА, которым мы решаем задачу, и ГА, которым можно прогнозировать временной ряд — это два различных алгоритма. К тому же применять ГА для прогнозирования временных рядов для самих же ГА — не самая лучшая идея, поскольку с помощью тех же статистических карт это можно сделать гораздо лучше.
ГА — это не универсальный тип алгоритмов. У них есть определённы области применения. И это нужно учитывать, когда при решении какой-то задачи взгляд падает на ГА (этот взгляд может оказаться далеко не оптимальным).
ГА — это не универсальный тип алгоритмов. У них есть определённы области применения. И это нужно учитывать, когда при решении какой-то задачи взгляд падает на ГА (этот взгляд может оказаться далеко не оптимальным).
Sign up to leave a comment.
Увеличение поисковых способностей генетических алгоритмов с помощью прогнозирования временных рядов