Einige weitere Einblicke in die genetische Evolution in SQX

Hier eine Übersicht über die besten Einstellungen für Veredelung bestehende Strategien gegenüber Erkundung von oder Erprobung vieler verschiedener Strategien. Diese Modi erfordern unterschiedliche Konfigurationen, da der eine sich auf die Verbesserung bekannter Strategien konzentriert, während der andere versucht, ein breiteres Spektrum an Möglichkeiten zu erkunden.
<h3>Wichtige Einstellungen zur Verfeinerung der Strategien:</h3>

1. Max # von Generationen: Halten Sie diesen Wert moderat (20-50), um dem Algorithmus Zeit zu geben, bestehende Strategien zu verfeinern. Mehr Generationen helfen, die Strategien zu verfeinern, ohne Zeit mit der Erforschung zu vieler zufälliger Möglichkeiten zu verschwenden.
2. Größe der Bevölkerung: Verwenden Sie eine größere Population (50-100), um dem genetischen Algorithmus mehr Material zur Verfügung zu stellen, aber ohne zu viel Vielfalt.
3. Crossover Probability: Erhöhen Sie die Crossover-Wahrscheinlichkeit (0,8-0,9), um gute Merkmale aus erfolgreichen Strategien zu verfeinern.
4. Mutation Probability: Geringere Mutationswahrscheinlichkeit (0,01-0,05), da Sie eher kleine Anpassungen vornehmen wollen, als größere zufällige Änderungen vorzunehmen.
5. Inseln: Weniger Inseln (1-2) sind am besten geeignet, um sich auf die Verfeinerung von Strategien zu konzentrieren und sicherzustellen, dass sich die Bemühungen auf einen kleineren Suchraum konzentrieren.
6. Jede X-te Generation migrieren: Durch die weniger häufige Migration (alle 20-30 Generationen) bleibt die Insel auf die Verfeinerung lokaler Optima konzentriert, ohne dass sie zu oft unterbrochen wird.
7. Ersetzen Sie X % der Schwächsten Strategien: Legen Sie eine niedrige Ersetzungsrate fest (5-10%), um die schlechtesten Strategien sorgfältig auszusortieren und die übrigen zu verbessern.
8. Generierter Dezimierungskoeffizient: Halten Sie diese Zahl niedrig (1-2), da der Schwerpunkt auf der Verfeinerung liegt und Sie keine Zeit damit verschwenden müssen, viele zusätzliche Strategien zu entwickeln.
9. Filtergenerierte Ausgangspopulation: Verwenden Sie strengere Filter für die Ausgangspopulation, um sicherzustellen, dass nur Strategien höherer Qualität in den Verfeinerungsprozess gelangen.
10. Gleiche Strategien aufspüren und sie ersetzen: Diese Option beibehalten aus oder auf einem niedrigen Niveau, um zu vermeiden, dass zu viel Zufälligkeit in den Verfeinerungsprozess einfließt.

<hr />

<h3>Wichtige Einstellungen zum Testen vieler verschiedener Strategien:</h3>

1. Max # von Generationen: Niedriger (5-20), um der breiten Erkundung verschiedener Strategien Vorrang einzuräumen, wobei häufig neu begonnen wird, um weitere Bereiche abzudecken.
2. Größe der Bevölkerung: Verwenden Sie eine kleinere Population (10-30), um schnell ein breites Spektrum an Möglichkeiten zu erkunden.
3. Crossover Probability: Verwenden Sie eine moderate Crossover-Wahrscheinlichkeit (0,5-0,7), um ein Gleichgewicht zwischen der Mischung von Strategien und der Schaffung neuer Strategien herzustellen.
4. Mutation Probability: Setzen Sie die Mutationswahrscheinlichkeit höher (0,05-0,1), um eine größere Vielfalt und die Erkundung neuer Strategieideen zu fördern.
5. Inseln: Verwenden Sie mehr Inseln (3-10), um verschiedene Strategien in unterschiedlichen Populationen zu testen und so die Vielfalt zu erhöhen.
6. Jede X-te Generation migrieren: Häufigere Wanderungen (alle 5-10 Generationen) tragen dazu bei, dass sich Ideen zwischen den Inseln austauschen und festgefahrene Populationen wieder aufschließen.
7. Ersetzen Sie X % der Schwächsten Strategien: Legen Sie eine höhere Ersetzungsrate fest (20-50%), um schwächere Strategien schnell auslaufen zu lassen und neue zu erkunden.
8. Generierter Dezimierungskoeffizient: Erhöhen Sie diesen Wert (2-5), um sicherzustellen, dass ein größerer Pool von Strategien für die Erkundung generiert wird.
9. Filtergenerierte Ausgangspopulation: Verwenden Sie entspanntere Filter, um eine größere Vielfalt von Strategien in die Ausgangspopulation aufzunehmen.
10. Gleiche Strategien aufspüren und sie ersetzen: Diese Option beibehalten auf sicherzustellen, dass doppelte Strategien durch neue ersetzt werden, die die Vielfalt fördern.

<h3>Strategien verfeinern:</h3>
Wenn Sie eine Reihe bekannter Strategien verfeinern, um ihre Leistung zu verbessern, ist es wichtig, Einstellungen zu bevorzugen, die Stabilität und Feinabstimmung gegenüber einer breiten Erkundung fördern. Diese Einstellungen helfen Ihnen, Strategien zu verfeinern, die bereits vielversprechend sind:

1. Max # von Generationen: Setzen Sie den Wert auf etwa 20-50 Generationen, um sich auf schrittweise Verbesserungen der Strategien zu konzentrieren, ohne zu weit zu gehen. Diese Spanne ermöglicht eine ausreichende Entwicklung und hält den Prozess effizient.
2. Größe der Bevölkerung: Verwenden Sie eine relativ große Populationsgröße (50-100), damit der genetische Algorithmus mit mehr Strategien arbeiten kann. Dieser größere Pool hilft dem Algorithmus, Lösungen gründlicher zu verfeinern.
3. Crossover und Mutation Probability: Setzen Sie die Kreuzung hoch an (0,8-0,9), um gute Eigenschaften effektiv zu mischen, und halten Sie die Mutation niedrig (0,01-0,05), um nicht zu viel Zufälligkeit einzuführen.
4. Inseln: Verwenden Sie 1-2 Inseln, um den Prozess auf die Verfeinerung lokaler Optima zu konzentrieren, anstatt radikal andere Strategien zu erforschen. Mit weniger Inseln kann sich der Algorithmus auf den Verfeinerungsprozess konzentrieren.
5. Jede X-te Generation migrieren: Setzen Sie die Migrationshäufigkeit niedrig an (alle 20-30 Generationen), damit sich die Strategien innerhalb ihrer Inseln ohne allzu große Störungen weiterentwickeln können.
6. Migrationsrate der Bevölkerung: Eine niedrigere Migrationsrate von 1-2 Strategien (10-20%) wird empfohlen, um ein Gleichgewicht der Vielfalt zu wahren und sich auf die Feinabstimmung zu konzentrieren.
7. Ersetzen Sie X % der Schwächsten Strategien: Setzen Sie diesen Wert auf eine niedrigere Rate (5-10%), um die schwächsten Strategien vorsichtig zu ersetzen, ohne die Population drastisch zu stören.
8. Generierter Dezimierungskoeffizient: Setzen Sie diese Zahl niedrig an (1-2), da die Erzeugung zu vieler zusätzlicher Strategien in der Verfeinerungsphase nicht hilfreich ist. Konzentrieren Sie sich stattdessen auf die Verbesserung der aktuellen Population.
9. Filtergenerierte Ausgangspopulation: Verwenden Sie strengere Filter, um sicherzustellen, dass nur Qualitätsstrategien in den Verfeinerungsprozess aufgenommen werden.
10. Gleiche Strategien aufspüren und sie ersetzen: Dies sollte sein aus oder niedrig angesetzt, um den Schwerpunkt auf die Feinabstimmung der bestehenden Strategien zu legen, anstatt neue einzuführen.

<hr />

<h3>Viele verschiedene Strategien testen:</h3>
Bei einer breiten Erkundung oder dem Testen vieler verschiedener Strategien liegt der Schwerpunkt eher auf Vielfalt und Geschwindigkeit als auf Feinabstimmung. Diese Einstellungen regen den genetischen Algorithmus dazu an, ein breites Spektrum möglicher Strategien zu erforschen, was die Chancen verbessert, neue Lösungen zu finden:

1. Max # von Generationen: Halten Sie diesen Wert niedrig (5-20), um der schnellen Erkundung vieler Strategien den Vorrang zu geben. Starten Sie häufig neu, um mehr Terrain abzudecken, anstatt eine kleine Gruppe von Strategien zu sehr zu entwickeln.
2. Größe der Bevölkerung: Verwenden Sie eine kleinere Population (10-30), um verschiedene Strategien schnell testen zu können. Dies hält die Rechenkosten niedrig und erhöht gleichzeitig den Umfang der Erkundung.
3. Crossover und Mutation Probability: Setzen Sie Crossover auf einen moderaten Wert (0,5-0,7) und Mutation auf einen höheren (0,05-0,1), um die Vielfalt und die Erforschung neuer Ideen zu fördern.
4. Inseln: Verwenden Sie mehr Inseln (3-10), um eine breitere Palette von Strategien in verschiedenen, isolierten Populationen zu testen. Dadurch wird die Vielfalt der gleichzeitig untersuchten Strategien erhöht.
5. Jede X-te Generation migrieren: Durch häufigere Wanderungen (alle 5-10 Generationen) wird sichergestellt, dass erfolgreiche Strategien einer Insel andere Inseln beeinflussen können, um eine Stagnation zu verhindern.
6. Migrationsrate der Bevölkerung: Verwenden Sie eine höhere Migrationsrate (20-50%), um eine größere inselübergreifende Vielfalt zu fördern und neue Ideen in jede Bevölkerung zu bringen.
7. Ersetzen Sie X % der Schwächsten Strategien: Setzen Sie diesen Wert auf eine höhere Rate (20-50%), um leistungsschwache Strategien schnell zu eliminieren und die Population dynamisch und offen für neue Möglichkeiten zu halten.
8. Generierter Dezimierungskoeffizient: Verwenden Sie einen höheren Dezimierungswert (2-5), um zunächst mehr Strategien zu generieren und sicherzustellen, dass die besten ausgewählt werden, um die Erkundung zu beginnen.
9. Filtergenerierte Ausgangspopulation: Verwenden Sie lockerere Filter, um eine größere Vielfalt in der Ausgangspopulation zu ermöglichen.
10. Gleiche Strategien aufspüren und sie ersetzen: Diese Option beibehalten auf um Überschneidungen zu vermeiden und die Erkundung neuer strategischer Möglichkeiten zu fördern.

<hr />

Wenn Sie die Einstellungen in diesen beiden Modi anpassen, können Sie sich entweder auf die Verfeinerung und Perfektionierung bestehender Strategien konzentrieren oder eine breite Palette verschiedener Strategien testen, um neue Möglichkeiten zu erkunden. Jeder Ansatz erfordert ein anderes Gleichgewicht zwischen Vielfalt und Fokus, und die obigen Einstellungen helfen Ihnen, die effizienteste Konfiguration für Ihre Ziele zu finden.