Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 11
Мне кажется что вашим постам не достает немного конкретики. Было бы просто замечательно привести маленький пример использования рассматриваемого алгоритма на каком-нибудь несложном примере. Я например далек от эвристической оптимизации и после прочтения поста у меня сложилось впечатление что этот алгоритм применяется в каких-то астрономических расчетах. Долго не мог понять почему лучше использовать не вторую степень радиуса, а первую в этом случае, пока не полез читать все ваши предыдущие статьи и статью из википедии про эвристические алгоритмы.
Здравствуйте.
Что Вы имеете в виду под «привести маленький пример использования рассматриваемого алгоритма на каком-нибудь несложном примере»? Набор функций и результатов, которые для них выдал алгоритм? В источниках литературы есть работы, в которых это имеется, мне казалось, что перепечатывать нет смысла.
Сама постановка задачи так же имеется, поэтому мне сложно понять, что из поста запутало Вас и направило в область астрономических расчетов.
Что Вы имеете в виду под «привести маленький пример использования рассматриваемого алгоритма на каком-нибудь несложном примере»? Набор функций и результатов, которые для них выдал алгоритм? В источниках литературы есть работы, в которых это имеется, мне казалось, что перепечатывать нет смысла.
Сама постановка задачи так же имеется, поэтому мне сложно понять, что из поста запутало Вас и направило в область астрономических расчетов.
Ну так и описание алгоритма в вашей литературе тоже наверное имеется. Следуя вашей логике весь ваш пост можно было не писать, а ограничиться фразой: «Есть такой классный алгоритм, называется так-то и так-то, можете почитать про него там-то и там-то.» И то даже в этом случае было бы необходимо небольшое пояснение, что например в такой-то задаче алгоритм показывает результаты на порядок лучше других.
Под несложным примером я понимаю описание поставленной задачи и результаты её выполнения с использованием данного алгоритма. В вашем посте картинка с планетами солнечной системы и картинка про закон Ньютона. Что же меня заставило думать что данный алгоритм используется в астрономических расчетах?
Под несложным примером я понимаю описание поставленной задачи и результаты её выполнения с использованием данного алгоритма. В вашем посте картинка с планетами солнечной системы и картинка про закон Ньютона. Что же меня заставило думать что данный алгоритм используется в астрономических расчетах?
Я соглашусь со всеми замечаниями, кроме этого:
В алгоритме гармонического поиска было изображение скрипичного ключа и нот, но это же не натолкнуло кого-либо на мысль, что алгоритм используется в музыке.
В вашем посте картинка с планетами солнечной системы и картинка про закон Ньютона. Что же меня заставило думать что данный алгоритм используется в астрономических расчетах?
В алгоритме гармонического поиска было изображение скрипичного ключа и нот, но это же не натолкнуло кого-либо на мысль, что алгоритм используется в музыке.
Было бы здорово еще увидеть сравнительный анализ работы разных алгоритмов оптимизации на одних и тех же примерах. И совсем замечательно, если бы были приведены хоть какие нибудь критерии целесообразности выбора того или иного метода.
рискну вот что предположить, написано что
квадрат в классической формуле тяготения Ньютона имеет определенный смысл, понять его просто если вспомнить как рассуждал аффтор выдумывая этот закон, он считал, что сила притяжения между двумя телами пропорциональна их массам (в числителе m*M), но очевидно что чем больше расстояние между телами, тем меньше сила притяжения, значит обратно пропорциональна сила наша расстоянию. но ведь мы живем в 3д мире, и тело притягивает все вокруг, если расстояние фиксировано, то получается сфера вокруг тела и ее площадь равна 4*pi*r^2. в итоге получается что F = m*M / 4*pi*r^2
но эта формула не давала точных прогнозов, тогда добавилась туда модифицирующая константа G, а т.к. 4 и pi тоже константы, то и их запихали в G, в итоге получили F = G*m*M/r^2
если мы убираем квадрат, то мы предпологаем, что масса влияет только на одну точку, а не на все вокруг. что как бы не корректно. в общем думаю в экспериментах можно варировать степень r, как варируют k в алгоритме k-means
но не стоит забывать что задача трех тел не имеет общего решения -)
следует обратить внимание на то, что в отличие от Всемирного закона тяготения используется не квадрат расстояния; Рашеди объясняет это тем, что во всех тестах это дает лучшие результаты, оставим это на его совести
большая часть достоинств теряется при оптимизации мультимодальных функций (особенно больших размерностей)
квадрат в классической формуле тяготения Ньютона имеет определенный смысл, понять его просто если вспомнить как рассуждал аффтор выдумывая этот закон, он считал, что сила притяжения между двумя телами пропорциональна их массам (в числителе m*M), но очевидно что чем больше расстояние между телами, тем меньше сила притяжения, значит обратно пропорциональна сила наша расстоянию. но ведь мы живем в 3д мире, и тело притягивает все вокруг, если расстояние фиксировано, то получается сфера вокруг тела и ее площадь равна 4*pi*r^2. в итоге получается что F = m*M / 4*pi*r^2
но эта формула не давала точных прогнозов, тогда добавилась туда модифицирующая константа G, а т.к. 4 и pi тоже константы, то и их запихали в G, в итоге получили F = G*m*M/r^2
если мы убираем квадрат, то мы предпологаем, что масса влияет только на одну точку, а не на все вокруг. что как бы не корректно. в общем думаю в экспериментах можно варировать степень r, как варируют k в алгоритме k-means
но не стоит забывать что задача трех тел не имеет общего решения -)
Большая часть достоинств теряется при оптимизации мультимодальных функций вследствие того, что алгоритм в своем изначальном виде не обладал процедурами рассеивания. Он крайне быстро сходится к локальному минимуму (за счет тех самых притяжений), но если глобальный минимум не попал в множество, образованное выпуклой оболочкой сгенерированных частиц, то алгоритм его не найдет.
ну это с точки зрения матана, не затрагивая концептуальную составляющую. итак ясно что если в поле поиска нет того что ищем, то оно и не будет найдено. я пытался же рассуждать именно исходя из концепта.
а вообще говоря от проклятия размерности страдают все алгоритмы, независимо от идеи лежащей в основе.
а вообще говоря от проклятия размерности страдают все алгоритмы, независимо от идеи лежащей в основе.
Прочитал пост, так и не понял — поиска чего? и в каких конкретных целях может быть использован данный алгоритм?
Нужно тогда уж либо ограничиватся ссылкой на описание алгоритма, либо расписывать в статье нормально, о чем речь и для чего это нужно…
Нужно тогда уж либо ограничиватся ссылкой на описание алгоритма, либо расписывать в статье нормально, о чем речь и для чего это нужно…
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Гравитационный поиск. Gravitational Search