Más información sobre la evolución genética en SQX

Aquí tienes un desglose de los mejores ajustes para refinado estrategias existentes frente a explorando o probar muchas estrategias diferentes. Estas modalidades requieren configuraciones diferentes, ya que una se centra en mejorar las estrategias conocidas, mientras que la otra trata de explorar un abanico más amplio de posibilidades.
<h3>Ajustes clave para perfeccionar las estrategias:</h3>

1. Max # de Generaciones: Mantenga este valor moderado (20-50) para dar tiempo al algoritmo a refinar las estrategias existentes. Más generaciones ayudan a pulir las estrategias sin perder tiempo explorando demasiadas posibilidades aleatorias.
2. Tamaño de la población: Utilice una población mayor (50-100) para dar al algoritmo genético más material con el que trabajar, pero sin demasiada diversidad.
3. Cruce Probabilidad: Aumentar la probabilidad de cruce (0,8-0,9) para refinar los buenos rasgos a partir de estrategias exitosas.
4. Mutación 1TP9Posibilidad: Menor probabilidad de mutación (0,01-0,05), ya que se desea realizar pequeños ajustes en lugar de introducir grandes cambios aleatorios.
5. Islas: Un menor número de islas (1-2) es mejor para centrarse en refinar las estrategias, asegurando que el esfuerzo se concentra en un espacio de búsqueda más pequeño.
6. Migrar cada X generaciones: Una migración menos frecuente (cada 20-30 generaciones) mantiene la isla centrada en el perfeccionamiento de los óptimos locales sin perturbarla con demasiada frecuencia.
7. Sustituir X % de las Estrategias más Débiles: Establezca una tasa de sustitución baja (5-10%) para eliminar cuidadosamente las peores estrategias y perfeccionar el resto.
8. Coeficiente de decimación generado: Mantén esta cifra baja (1-2), ya que el objetivo es el refinamiento y no necesitas perder el tiempo generando muchas estrategias extra.
9. Población inicial generada por filtro: Utilizar filtros más estrictos para la población inicial a fin de garantizar que sólo las estrategias de mayor calidad entren en el proceso de perfeccionamiento.
10. Detectar las mismas estrategias y sustituirlas: Mantener esta opción fuera de o a un nivel bajo para evitar introducir demasiada aleatoriedad en el proceso de refinamiento.

<hr />

<h3>Ajustes clave para probar muchas estrategias diferentes:</h3>

1. Max # de Generaciones: Inferior (5-20) para priorizar la exploración amplia de diferentes estrategias, reiniciando con frecuencia para abarcar más terreno.
2. Tamaño de la población: Utilice una población más pequeña (10-30) para explorar rápidamente una amplia gama de posibilidades.
3. Cruce Probabilidad: Utilice una probabilidad de cruce moderada (0,5-0,7) para equilibrar la mezcla de estrategias y la creación de otras nuevas.
4. Mutación 1TP9Posibilidad: Establezca una probabilidad de mutación más alta (0,05-0,1) para fomentar una mayor diversidad y la exploración de nuevas ideas estratégicas.
5. Islas: Utilizar más islas (3-10) para probar diferentes estrategias en poblaciones separadas, aumentando la diversidad.
6. Migrar cada X generaciones: Una migración más frecuente (cada 5-10 generaciones) ayuda a la polinización cruzada de ideas entre islas y a desbloquear poblaciones estancadas.
7. Sustituir X % de las Estrategias más Débiles: Establezca una tasa de sustitución más alta (20-50%) para eliminar rápidamente las estrategias más débiles y explorar otras nuevas.
8. Coeficiente de decimación generado: Auméntelo (2-5) para asegurarse de que se genera un conjunto mayor de estrategias para explorar.
9. Población inicial generada por filtro: Utilizar filtros más relajados para permitir una mayor variedad de estrategias en la población inicial.
10. Detectar las mismas estrategias y sustituirlas: Mantener esta opción en garantizar que las estrategias duplicadas se sustituyan por otras nuevas, fomentando la diversidad.

<h3>Estrategias de refinado:</h3>
Al perfeccionar un conjunto de estrategias conocidas para mejorar su rendimiento, es importante dar prioridad a los ajustes que promueven la estabilidad y el ajuste fino frente a la exploración amplia. Estos ajustes te ayudarán a perfeccionar estrategias que ya son prometedoras:

1. Max # de Generaciones: Ajústelo a unas 20-50 generaciones para centrarse en mejoras incrementales de las estrategias sin ir demasiado lejos. Este rango permite una evolución suficiente al tiempo que mantiene la eficiencia del proceso.
2. Tamaño de la población: Utilice una población relativamente grande (50-100) para que el algoritmo genético tenga más estrategias con las que trabajar. Este grupo más grande ayuda al algoritmo a refinar las soluciones más a fondo.
3. Cruce y mutación Probabilidad: Establezca un cruce alto (0,8-0,9) para mezclar rasgos buenos de forma eficaz, mientras mantiene la mutación baja (0,01-0,05) para evitar introducir demasiada aleatoriedad.
4. Islas: Utilice 1-2 islas para mantener el proceso centrado en refinar los óptimos locales, en lugar de explorar estrategias radicalmente diferentes. Con menos islas, el algoritmo puede concentrarse en el proceso de refinamiento.
5. Migrar cada X generaciones: Establezca una frecuencia de migración baja (cada 20-30 generaciones) para permitir que las estrategias evolucionen dentro de sus islas sin demasiadas interferencias.
6. Tasa de migración de la población: Se recomienda una tasa de migración inferior de 1-2 estrategias (10-20%) para mantener un equilibrio de diversidad y centrarse en la puesta a punto.
7. Sustituir X % de las Estrategias más Débiles: Ajústelo a una tasa más baja (5-10%) para sustituir cuidadosamente las estrategias más débiles sin alterar drásticamente la población.
8. Coeficiente de decimación generado: Ajústalo a un nivel bajo (1-2), ya que generar demasiadas estrategias adicionales no ayudará en la fase de perfeccionamiento. En su lugar, céntrate en mejorar la población actual.
9. Población inicial generada por filtro: Utilice filtros más estrictos para garantizar que sólo las estrategias de calidad puedan entrar en el proceso de perfeccionamiento.
10. Detectar las mismas estrategias y sustituirlas: Esto debería ser fuera de o baja para seguir centrándose en afinar las estrategias existentes en lugar de introducir otras nuevas.

<hr />

<h3>Probar muchas estrategias diferentes:</h3>
Para una exploración amplia o para probar muchas estrategias diferentes, la atención se centra en la diversidad y la velocidad más que en el ajuste fino. Estos ajustes animan al algoritmo genético a explorar una amplia gama de estrategias posibles, lo que mejora las posibilidades de encontrar soluciones novedosas:

1. Max # de Generaciones: Mantén este valor bajo (5-20) para dar prioridad a la exploración rápida de muchas estrategias. Reinicia con frecuencia para cubrir más terreno en lugar de evolucionar en exceso un pequeño conjunto de estrategias.
2. Tamaño de la población: Utilice una población más pequeña (10-30) para poder probar rápidamente diferentes estrategias. De este modo se reducen los costes de cálculo y se amplía la exploración.
3. Cruce y mutación Probabilidad: Establezca el cruce en un valor moderado (0,5-0,7) y la mutación más alto (0,05-0,1) para fomentar la diversidad y la exploración de nuevas ideas.
4. Islas: Utilice más islas (3-10) para probar una gama más amplia de estrategias en poblaciones diferentes y aisladas. Esto aumenta la variedad de estrategias que se exploran simultáneamente.
5. Migrar cada X generaciones: Una migración más frecuente (cada 5-10 generaciones) garantiza que las estrategias exitosas de una isla puedan influir en las demás, evitando el estancamiento.
6. Tasa de migración de la población: Utilizar una tasa de migración más alta (20-50%) para promover una mayor diversidad entre las islas e introducir nuevas ideas en cada población.
7. Sustituir X % de las Estrategias más Débiles: Ajústelo a una tasa más alta (20-50%) para eliminar rápidamente las estrategias de bajo rendimiento, manteniendo la población dinámica y abierta a nuevas posibilidades.
8. Coeficiente de decimación generado: Utilice un valor de decimación más alto (2-5) para generar más estrategias inicialmente, asegurándose de que se eligen las mejores para iniciar la exploración.
9. Población inicial generada por filtro: Utilice filtros más sueltos para permitir una mayor diversidad en la población inicial.
10. Detectar las mismas estrategias y sustituirlas: Mantener esta opción en para evitar duplicidades y fomentar la exploración de nuevas posibilidades estratégicas.

<hr />

Ajustando la configuración en estos dos modos, puede centrarse en refinar y perfeccionar las estrategias existentes o probar una amplia gama de estrategias diferentes para explorar nuevas oportunidades. Cada enfoque requiere un equilibrio diferente entre diversidad y concentración, y los ajustes anteriores le ayudarán a orientarse hacia la configuración más eficiente en función de sus objetivos.