[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):
ıllı Optimización de búsqueda reactiva : que es, definición y significado, descargar videos y fotos.
La información contenida en esta web debe ser considerada como información general, de carácter formativo, educativo o divulgativo, y no puede ser utilizada o interpretada como consejo o diagnótico médico, psicológico o de ningún otro tipo. Es posible que algunos datos mostrados no esten actualizados. Por ello, en caso de duda lo recomentable es consultar a un experto cualificado.
- Detalles
- Categoría: INTERNET
ıllı Optimización de búsqueda reactiva : que es, definición y significado, descargar videos y fotos.
RSO ciclo de aprendizaje Optimización de busca reactiva (RSO), como todas y cada una de las técnicas de busca local, se aplica al inconveniente de hallar la configuración inmejorable de un sistema; tal configuración se compone por norma general de forma continua o bien reservada de factores variables, al paso que el criterio de optimalidad es un valor numérico asociado con cada configuración. En la mayor parte de los casos, un inconveniente de optimización puede reducirse a hallar el mínimo (global) de una función cuyos razonamientos son los factores de configuración, vistos como variables libres en el espacio de dominio de la función. La optimización de busca reactiva aboga por la integración de las técnicas sub-simbólicas de aprendizaje automático en buscas heurísticas para solucionar inconvenientes complejos de optimización. La palabra reactiva sugiere una rápida contestación a los sucesos a lo largo de la busca por medio de un ciclo de retroalimentación on-line de auto-ajuste y adaptación activa. En busca reactiva, la historia de la busca y el conocimiento amontonado mientras que se mueve en el espacio de configuración, se usa para la auto-adaptación de una forma autónoma: el algoritmo sostiene la flexibilidad interna precisa para abordar diferentes situaciones a lo largo de la busca, mas la adaptación es automática, y ejecutada al paso que el algoritmo se corre en una instancia y medita sobre su experiencia pasada. Las metáforas de busca reactiva se derivan primordialmente de la experiencia humana individual. Su leimotiv es "aprender sobre la marcha". Los inconvenientes del planeta real tienen una rica estructura. Al tiempo que muchas soluciones opciones alternativas se prueban en la exploración de un espacio de busca, los patrones y regularidades aparecen. El cerebro humano aprende de forma rápida y conduce las resoluciones futuras sobre la base de las observaciones precedentes. Esta es la fuente de inspiración primordial para la inserción de técnicas de aprendizaje online de la máquina en la optimización de buscadores reactivos. La mayoría de las heurísticas basadas en busca local, como la busca tabú y el recocido simulado, si bien son muy eficaces y útiles en muchas aplicaciones prácticas, son altamente sensibles a sus factores internos.Por ejemplo, el recocido simulado depende de la programación del recocido, descrito de forma frecuente por un factor de tasa de enfriamiento cuyo valor perfecto puede diferir conforme con el inconveniente a solucionar. Por tanto, exactamente el mismo algoritmo requiere ser exactamente ajustado, con el objetivo de ser aplicado a un nuevo inconveniente. Una actividad de optimización habitual es realmente un ciclo en la que el estudioso efectúa pequeña optimización corriendo el algoritmo con pequeños ajustes de los factores con el objetivo de apresurar el sistema. La optimización de busca reactiva da una solución a este inconveniente a través de la incorporación del mecanismo de ajuste de factores en el algoritmo de busca en sí: los factores se ajustaron por un ciclo de retroalimentación automático que actúa conforme a la calidad de las soluciones encontradas, la historia de las buscas pasadas y otros criterios. Las primordiales ventajas de la optimización de busca reactiva son: RSO es un área de investigación multidisciplinaria entre Investigación de Operaciones (optimización), Ciencias de la Computación, aprendizaje de máquinas y redes neuronales. . Su objetivo concreto es el estudio de los sistemas de aprendizaje on-line aplicadas a la resolución de inconvenientes y optimización, conforme con el principio aprender mientras que se optima. Las señales de aprendizaje para la adaptación de los factores internos de la técnica de solución proceden de 3 fuentes: Optimización inteligente de un superconjunto de Busca Reactiva, se refiere a un área más extensa de la investigación, incluyendo los planes on-line y fuera de línea basados en el empleo de la memoria, la adaptación, el desarrollo incremental de modelos, algoritmos experimentales aplicados a la optimización, personalización inteligente y diseño de heurísticas.En ciertos casos, el trabajo está en un nivel superior, donde los métodos básicos están apropiadamente orientados y combinados, y el término meta-heurística se ha propuesto anteriormente. Inteligencia de negocios reactiva defiende los principios de RSO primordiales para aplicaciones en el área de minería de datos, análisis de negocios, y visualización interactiva.Ajuste de factores en la heurística
Se ha observado que muchos trabajos de investigación que las heurísticas para optimización global están sesgadas por este inconveniente, puesto que la eficacia de un algoritmo se mide en ocasiones solo una vez que el ajuste de factor se ha efectuado, de tal modo que el ahínco global de optimización (incluyendo la fase de afinamiento) no se tiene presente.
Ajuste de factor como un componente integral de la heurística
RSO es multidisciplinario
