Genetisch und zufällig

Kann die Genetik Strategien entwickeln, die das Zufallsgen nicht kann?

Danke, ich wollte sicher sein. Ich bin kein Programmierer, aber das war mein Gedanke für 1+ Jahr, aber ich habe nie wirklich gefragt, um 100% sicher zu sein. Persönlich alle meine besten Strategien haben tatsächlich von zufälligen Generation kommen und vielleicht ist das, weil alle meine Filter sind entworfen, um bereits in der Nähe von abgeschlossenen Strategien zu produzieren, aber ich benutze genetische auf Optimierung, wo ich es mehrmals laufen.
Ich glaube, dass dieser Prozess sogar noch mehr Zeit spart. In der Regel müssen nur ein paar Tage/500.000 Tests durchgeführt werden, um ein paar gute Kandidaten zu erhalten, dann wird erneut getestet und anschließend optimiert, wenn die erneuten Tests vielversprechend waren. (oder vielleicht eine leichte De-Optimierung durch Abrunden der Parameter).

Test

Ich denke, die genetische Strategiegenerierung ist besser. Aber wenn mehr ähnliche Strategien gefunden werden.

thomas

Ja, am besten lässt man es ein paar Mal mit verschiedenen Populationen laufen. Wenn ich es zur Optimierung verwende, stelle ich fest, dass es fast identische Optimierungen hervorbringt, und wenn ich es dann noch einmal laufen lasse, hat es neue. Es hat positive und negative Seiten. Sobald es eine "gute DNA" gefunden hat, konzentriert es sich auf diese. Brute-Force erzeugt alles Mögliche und eine Vielfalt.

Ich verwende beides und höre auf, wenn sich die Fitness nach 3 Generationen nicht verbessert hat, damit die nächste Zufallsgeneration beginnen kann. Ich habe einige Strategien, die gerade von der genetischen Evolution als gut befunden wurden (man kann das an der Nummer der Strategie erkennen). Einige der zufälligen Kandidaten hätten es nicht durch meinen Filter geschafft, wenn sie nicht durch die genetische Evolution verbessert worden wären - trotzdem sind das immer noch sehr einfache Strategien, was großartig ist. Für mich scheint es also der richtige Weg zu sein, beides zu verwenden.