ıllı Internet y Tecnologías de la Información (2018)

internet, Hosting, dominios, seo, antivirus, banco de imágenes, páginas web, tiendas online

[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı UEGO wiki: info, historia y vídeos


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.


 


 

videos internet

salud  UEGO 


UEGO brota desde el algoritmo GAS (“Genetic Algorithm Species based”), tratando de progresar la precisión de sus resultados como su paralelismo de cara a una implementación de computación de altas posibilidades. Este algoritmo es singularmente capaz para solucionar inconvenientes de optimización multimodal (con múltiples inmejorables locales), pudiendo además de esto descubrir su estructura.


El algoritmo plantea una busca, en diferentes niveles de profundidad como se va a detallar más tarde, basada en una población activa de especies que hacen referencia a diferentes zonas del espacio de busca general. Las especies deben verse por lo tanto como “ventanas” de exploración sobre el espacio de busca global sobre las que se lanzarán procesos de optimización local. Estas especies son reconocibles por un solo individuo de referencia o bien centro (el de mejor valor encontrado en la zona), su valoración de destreza y un cierto radio (véase la figura 1). Este individuo es el centro de la especie y su radio determina el área de repercusión, o sea, un subdominio del espacio de busca dónde se sitúan individuos considerados afines.

1.-Representación del término de especie de UEGO.

Es esencial destacar que, sobre la base de lo expuesto, se hace preciso contar con una medida de distancia en el espacio de busca. De esta manera, en inconvenientes reservados combinatorios se puede emplear la distancia de Hamming. Por contra, para inconvenientes reales se podría emplear la distancia euclídea.


Además de sostener la busca en múltiples zonas del espacio de soluciones de forma simultánea, UEGO se identifica por incluir asimismo un mecanismo de “enfriamiento” como la famosa técnica de "Enfriamiento Simulado". Este mecanismo, que se aplica a través de la creación progresiva de nuevas especies con un menor radio de repercusión, deja dirigir la exploración cara zonas poco a poco más pequeñas del espacio de busca . Este enfoque es en especial eficiente para inconvenientes de tipo radio niche en las que hay múltiples perfectos locales distribuidos de forma diferente en el espacio de busca. En ese género de funciones no se puede determinar el radio niche apropiadamente puesto que si es demasiado pequeño la busca no resulta eficaz, y si es demasiado grande aquellos inmejorables locales próximos entre sí no se pueden distinguir.


El radio de las especies de los diferentes niveles no se marcha sencillamente reduciendo de forma arbitraria para aplicar el efecto de enfriamiento. Al contrario, una parte de un radio inicial (con el que se trabaja en el primer nivel de busca) y se reduce hasta un mínimo siguiendo una progresión exponencial. El radio del primer nivel, el que tiene la primera especie creada, es igual al diámetro del dominio de la busca. Esta primera especie se sostendrá a lo largo de todo el proceso garantizando con lo que ninguna zona quede inalcanzable a lo largo de la busca. En lo relativo al radio mínimo, este se trata de un factor a apuntar por el usuario. En la figura dos se incluye una representación ilustrativa de la evolución de los radios conforme los niveles.



dos.- Progresión de los radios conforme el nivel de busca.

Es esencial resaltar además de esto que una cierta especie no es estática, sino puede moverse por el espacio conforme la busca avanza. Este desplazamiento va a tener sitio cuando el valor de destreza de una nueva solución encontrada en la zona sea mejor que el del centro empleado como referencia. En un caso así, el nuevo punto se transformaría en el centro y la ventana definida quedaría entonces alejada en su dirección (véase la figura tres).

tres. Representación del desplazamiento de una especie.

Sobre la base de lo expuesto se puede llegar a la conclusión de que UEGO efectúa una busca global basada en especies que, por su parte, son optimados interiormente. Esto deja descomponerlo en 2 componentes esenciales asociados:



  • El primero se hace cargo de la administración general de las diferentes especies y deja darle carácter global a la solución hallada al cubrirse todo el espacio de busca. Estas especies son entidades activas que en el proceso de busca pueden crearse, conjuntarse... en verdad, empieza la busca con una sola especie.


  • El segundo es un optimizador local independiente que se aplica sobre las diferentes especies para dirigirlas, de forma independiente, cara los perfectos de su ambiente o bien “ventana”. Esta modularidad hace al algoritmo en especial amoldable a gran pluralidad de inconvenientes a través de la selección de un optimizador local especializado.

Durante su ejecución, UEGO sostiene la lista de individuos que definen cada especie activa. No obstante, no se tiene presente ningún género de relación de parentesco entre ellas. Por tanto, los individuos que definen las especies son independientes tanto para producir nuevas especies para desplazarse en el espacio de busca. Esta autosuficiencia característica es una de las claves del paralelismo tácito del algoritmo.


En lo tocante a los factores de configuración de UEGO que recibe del usuario, como se puede ver en el algoritmo 1, son cuatro:



  • Límite de evaluaciones (N): Es el número máximo de evaluaciones de la función objetivo que el usuario deja para todo el proceso. Se trata de una cota superior con lo que la busca puede terminar con un número inferior de llamadas a dicha función. Sin embargo este valor debe permitir el conveniente desarrollo de cada especie estudiada para lograr unos resultados de calidad.


  • Número de niveles (levels): Es el nivel máximo a lograr, o sea, el que va a tener el mínimo radio. Al determinar el número de niveles, este valor detalla asimismo el número de etapas o bien generaciones (véase el algoritmo 1). Aunque es verdad que un valor alto dará mayor confiabilidad a la busca, su incremento desmedido va a hacer la convergencia del algoritmo lentísima.


  • Máximo de especies (max_spec_num): Determina la longitud máxima de la lista de especies, o sea, el número de especies que pueden existir y optimarse de forma simultánea. Por tanto, es preciso contar con un número conveniente de subespecies para el género de función de manera que se pueda efectuar una busca en anchura a una escala notable.


  • Radio mínimo (min_r): Es el radio asociado con el nivel máximo (por tanto, el mínimo radio (véase la figura tres.30)). Este valor puede verse como la “resolución” de la busca en el momento de sostener independientes las ventanas de busca. Por lo tanto, es en general interesante que se trate de un valor pequeño a fin de que se sostengan independientes las especies y se preserven los diferentes perfectos locales próximos entre sí.

Es esencial resaltar que, realmente, la configuración del algoritmo puede respaldarse además de esto en otro factor de usuario. Este quinto factor posible es el “umbral de estabilidad” o bien “treshold” como se explica en. Para poder acotar una ejecución de UEGO bastaría con seleccionar y suministrar 4 factores del conjunto formado por los 4 descritos anteriormente y este quinto factor. El algoritmo es capaz, por ende, de conseguir toda la información precisa desde un subconjunto de 4 sobre la base de los principios y relaciones descritas en. En todo caso, este quinto factor es mucho menos intuitivo y simple de entender que los otros con lo que puede aun llegar a ignorarse en concepto de configuración como se hace en.


Una vez recibe UEGO los factores de entrada por la parte del usuario procede a calcular toda la información que precisa para realizar la exploración. Es preciso por poner un ejemplo calcular la distribución de los radios y guardarla en el vector “r que se muestra en el algoritmo 1 como los presupuestos para creación y optimización de especies por nivel (los vectores “new y “n respectivamente). En y se especifican de relación y formulación referente a estos cálculos.


Nótese por último que no se incluyen factores relativos al optimizador local elegido. Como se puede suponer, estos tendrían que ser considerados asimismo conforme el algoritmo elegido.


El algoritmo UEGO se ha aplicado a una serie de inconvenientes diferentes como el alineamiento de imágenes, inconvenientes de ubicación continua y la optimización del diseño de campos de helióstatos. Se puede resaltar además de esto la existencia del algoritmo GASUB, que aplica las ideas de UEGO al campo de los inconvenientes de ubicación prudente.


  ELIGE TU TEMA DE INTERÉS: 


autoayuda.es   Internet y Tecnologias 





Está aquí: Inicio > [ INTERNET ] > ıllı UEGO wiki: info, historia y vídeos

Las cookies nos permiten ofrecer nuestros servicios. Al utilizar nuestros servicios, aceptas el uso que hacemos de las cookies. Ver políticas