Documente Academic
Documente Profesional
Documente Cultură
1 1
Actualizare de tip auto-adaptare la rata de succes : dacă rata de succes este mai mare decât ,
5 5
atunci valoarea lui σ este mărită, altfel este micșorată, căutarea fiind concentrată în jurul
punctului curent.
Regula este aplicată la intervale egale, de exemplu, după fiecare k iterații, astfel. Fie ps frecvența
relativă a succesului efectuării mutației măsurată pe ultimele k perioade de timp și c un
parametru dat, în general c ∈ [ 0.817,1 ] .
{ √ }
n
∑ x 2i
{ }
n
1
f ( x )=−20∙ exp −0.2∙ i =1
−exp ∙ ∑ cos ( 2∙ π ∙ x i ) +20+ e
n n i=1
Varianta aleasa: fie ε > 0; pentru fiecare x=( x 1 , … , x n ) sunt calculați 2 ×n vecini astfel
Exemple de utilizare:
2. Implementarea ES2M:
n=2
Setări:
generarea aleatoare a punctului inițial 1 ≤i ≤2 ,−2≤ x 0 ( i ) ≤2
𝑘=30, c=0.83
250000 iterații
dimensiunea pasului la momentul inițial - 𝜎_0=0.2
In general, algoritmul ES2M este superior algoritmului Hill Climbing deoarece obține mai des
optimul global.
Bibliografie:
https://machinelearningmastery.com/stochastic-hill-climbing-in-python-from-scratch/
https://www.indusmic.com/post/ackley-function
https://online.ase.ro/pluginfile.php/403167/mod_resource/content/1/040%20-%20Cap.
%204%20-%20Strategii%20evolutive.pdf
-Cursurile 9, 10