Studoši

Rene
Da odgovorim na pitanje…

mene buni sto je u tom slucaju “iteracija”, tj. ako je mortalitet 50% znaci da je jedna iteracija kada 50% populacije zamjenimo s djecom pobjednika turnira?

Ovo je ok, možda bi imalo smisla djecu dobivenu u jednoj iteraciji držati u priručnoj strukturi koju ćeš spojiti s populacijom tek na kraju iteracije. To bi onemogućilo da dijete u istoj iteraciji bude stvoreno i eliminirano.

Dragi prijatelj strojnog učenja e super, mislim radi i ovako pa je valjda okej, ali htio sam skužit što bi bila “školska” implementacija. Hvala puno!

Nisam skuzila na kraju, kod eliminacijskog algoritma se tri jedinke biraju da je veca vjerojatnost odabira dobrih, odabira losijih ili skroz random? Kuzim da se eliminira najlosija ali ne kuzim kako da ih biram

anci vjerojatno postoje sve varijante i is up to you, ali neki lik na yutubu je reko totalno random

iNut Tako ćeš vjerojatno dobiti manji selekcijski pritisak, i semantički je to točnije. Generalno ne želiš imati veliki selekcijski pritisak da ga ne moraš kompenzirati jakom mutacijom

Nije mi baš jasan postupak stvaranja nove generacije kod generacijskog GA.

Pomoću RWS-a biramo ⅓ nove populacije, a ostale ⅔ čine njihova djeca? Biramo roditeljsku populaciju u kojoj je samo veća vjerojatnost da se bolje jedinke pojave više puta, pa iz nje slučajno biramo roditelje za križanje? Nekaj treće?

[obrisani korisnik] Izaberes 2 roditelja sa RWS, napravis od njih djecu, stavis u novu generaciju. Radis dok je ne popunis. Ako hoces elitizam, onda na pocetku stvaranja nove generacije odreden broj jedinki samo prebacis iz stare u novu.

Dootz hvala puno! 😃

koju ste rekombinaciju koristili?

angello2 jel pod to mislis na crossover? koristio sam krizanje s jednom tockom prekida

Rezultati su vrlo slicni ovima Cubi

angello2 aritmeticka sredina, radi skroz ok

U čem bi mogao biti problem ako za beta0 i beta1 dobivam slične rezultate kao kolege iznad, ali za ostale bete nešto totalno drukčije? Za crossover koristim par opcija od kojih se random bira jedna, a mutacija samo mijenja parametar na novu random vrijednost. MSE mi je za najbolju kombinaciju parametara algoritma oko 0.25

BaboTrojka Stavi za mutaciju da dodaje random vrijednost iz normalne distribucije, to je dosta dobra mutacija

BaboTrojka Imam isti problem, ti je Dootz pomoglo?

Šta nam program treba ispisivat? Je li okej ispisivati prosječnu pogrešku nad populacijom u svakoj iteraciji ili bi trebali “izvadit” najbolju jedinku iz populacije u svakoj iteraciji te ispisat njenu pogrešku?

Jaster111 “izvadit” najbolju jedinku iz populacije u svakoj iteraciji te ispisat njenu pogrešku?

Ovo se čini bolje, prosječna pogreška populacije je samo zgodna na početku, kasnije nije toliko bitna jer ti populacija više nije raznolika

[obrisani korisnik] Malo je smanjilo msq, ali ipak sam imao grešku u računanju izlaza cijele funkcije