Да, отличий немного, я с вами согласен. В рулетке фактор случайности выбора несколько более значимую роль играет, а геометрически мне кажется не принципиально отлично: линия или круговая система.
Спасибо Вам за интерес.
Давно хотел попробовать опубликоваться на Хабре, чет руки не доходили просто. Ну может для следующего курсача или диплома Вам понадобится)
Подобного плана частенько встречаются, различий как по мне так немного. Например между рулеткой и Stochastic uniform. При решении простых задач вообще особой разницы не замечаю, возможно проявится на более сложных и интересных задачах.
Возможно Вы правы, усредненная точка может для конкретной группы лежать не в нуле, но и говорить радикально что «юрист из такой то страны — значит тип S».
Я к тому, что все в итоге все равно сводится к нахождению компромисса между всеми возможными пользователями вашего продукта, который хоть и зависит естественно от конкретной целевой аудитории, но, как мне видится, все равно может быть незначительно отклонен от среднестатистического оптимума для всех целевых аудиторий.
Интересная статья, идея в принципе понятна, но на мой взгляд есть принципиальная сложность.
Если проводить параллели с теорией интроверсии — экстраверсии (у меня лично такая ассоциация сразу возникла), то там есть такое понятие как амбиверсия, то есть когда соответствующая характеру человека точка на этой шкале лежит близко к нулевому (усредненному) значению.
Так вот, большинство людей на этой планете являются как раз амбивертами. Мне кажется что и предложенная вами классификация может быть сведена к поиску «усредненного» оптимума, так как таких людей наверняка тоже большинство, независимо от профессии.
Ну это только предположение, возможно я ошибаюсь.
В любом случае удачи в написании дальнейших статей, лично я почитаю с удовольствием хотя бы для общего развития)
Спасибо. )
По поводу отбора Stochastic uniform: выбирается некоторый масштаб, в нем откладываются отрезки, соответствующие кандидатам в родительские особи (размер отрезка зависит от выбранного масштаба и вероятности выпадения каждой из особи). После все отрезки укладываются в одну линию. Наконец выбираем размер отрезка-шага (на сколько мы будем продвигаться вдоль линии за 1 шаг) и делаем нужное количество шагов вдоль нее. При попадании «шага» на тот или иной отрезок, соответствующий ему родитель считается выбранным. Набираем нужное количество родителей и вуаля.
Это не курсовая и не диплом, если вы об этом. )
Если честно, то это написанное мною пособие для обучения студентов 3 курса по одной из дисциплин (я сам студент, пока ещё, но взялся с этим помочь).
Переработал и отдал на суд общественности, надеюсь ничего запретного в этих действиях нету.
Приношу извинения за обломанную ностальгию.
Я в конце статьи написал про вероятное дальнейшее поле деятельности: статьи с конкретными примерами различного уровня сложности и «вкусности». Планирую начать как раз с простейших примеров оптимизации несложных функций, вполне возможно там вы найдете что то похожее на лабы из универа.
Буду признателен за конструктивную критику, т.к. не хотелось бы допускать одинаковые ошибки (стилистические или фактические, если таковые имеются) при написании следующих топиков по ген. алгоритмам.
Давно хотел попробовать опубликоваться на Хабре, чет руки не доходили просто. Ну может для следующего курсача или диплома Вам понадобится)
Вы вероятно про этот способ отбора говорите. Они немного отличаются.
Я к тому, что все в итоге все равно сводится к нахождению компромисса между всеми возможными пользователями вашего продукта, который хоть и зависит естественно от конкретной целевой аудитории, но, как мне видится, все равно может быть незначительно отклонен от среднестатистического оптимума для всех целевых аудиторий.
Если проводить параллели с теорией интроверсии — экстраверсии (у меня лично такая ассоциация сразу возникла), то там есть такое понятие как амбиверсия, то есть когда соответствующая характеру человека точка на этой шкале лежит близко к нулевому (усредненному) значению.
Так вот, большинство людей на этой планете являются как раз амбивертами. Мне кажется что и предложенная вами классификация может быть сведена к поиску «усредненного» оптимума, так как таких людей наверняка тоже большинство, независимо от профессии.
Ну это только предположение, возможно я ошибаюсь.
В любом случае удачи в написании дальнейших статей, лично я почитаю с удовольствием хотя бы для общего развития)
По поводу отбора Stochastic uniform: выбирается некоторый масштаб, в нем откладываются отрезки, соответствующие кандидатам в родительские особи (размер отрезка зависит от выбранного масштаба и вероятности выпадения каждой из особи). После все отрезки укладываются в одну линию. Наконец выбираем размер отрезка-шага (на сколько мы будем продвигаться вдоль линии за 1 шаг) и делаем нужное количество шагов вдоль нее. При попадании «шага» на тот или иной отрезок, соответствующий ему родитель считается выбранным. Набираем нужное количество родителей и вуаля.
Ну да, учат делать многие вещи шаблонно, я уже привык)
может оно и неплохо в данном случае)
Если честно, то это написанное мною пособие для обучения студентов 3 курса по одной из дисциплин (я сам студент, пока ещё, но взялся с этим помочь).
Переработал и отдал на суд общественности, надеюсь ничего запретного в этих действиях нету.
Я в конце статьи написал про вероятное дальнейшее поле деятельности: статьи с конкретными примерами различного уровня сложности и «вкусности». Планирую начать как раз с простейших примеров оптимизации несложных функций, вполне возможно там вы найдете что то похожее на лабы из универа.