Quelques informations supplémentaires sur l'évolution génétique de SQX

Voici un aperçu des meilleurs paramètres pour raffinage les stratégies existantes par rapport aux l'exploration ou tester un grand nombre de stratégies différentes. Ces modes requièrent des configurations différentes, l'un se concentrant sur l'amélioration des stratégies connues, l'autre cherchant à explorer un éventail plus large de possibilités.
<h3>Paramètres clés pour affiner les stratégies :</h3>

1. Max # de Générations : Gardez cette valeur modérée (20-50) pour donner à l'algorithme le temps d'affiner les stratégies existantes. Un plus grand nombre de générations permet d'affiner les stratégies sans perdre de temps à explorer trop de possibilités aléatoires.
2. Taille de la population : Utilisez une population plus importante (50-100) pour donner à l'algorithme génétique plus de matière à travailler, mais sans trop de diversité.
3. Crossover Probabilité : Augmenter la probabilité de croisement (0,8-0,9) pour affiner les bons caractères à partir des stratégies réussies.
4. Mutation Probabilité : Probabilité de mutation plus faible (0,01-0,05), car vous souhaitez procéder à de petits ajustements plutôt que d'introduire des changements aléatoires majeurs.
5. Îles : Un nombre réduit d'îlots (1 à 2) est préférable pour se concentrer sur l'affinage des stratégies, en veillant à ce que les efforts soient concentrés sur un espace de recherche plus restreint.
6. Migrer chaque Xème génération : Une migration moins fréquente (toutes les 20 à 30 générations) permet à l'île de se concentrer sur l'affinement des optima locaux sans la perturber trop souvent.
7. Remplacer X % des stratégies les plus faibles : Fixez un taux de remplacement faible (5-10%) afin d'éliminer soigneusement les stratégies les plus mauvaises tout en affinant les autres.
8. Coefficient de décimation généré : Gardez ce chiffre bas (1-2), car l'accent est mis sur le raffinement et vous n'avez pas besoin de perdre du temps à générer de nombreuses stratégies supplémentaires.
9. Population initiale générée par filtre : Utiliser des filtres plus stricts pour la population initiale afin de s'assurer que seules les stratégies de meilleure qualité entrent dans le processus d'affinage.
10. Détecter les mêmes stratégies et les remplacer : Conserver cette option éteint ou à un faible niveau pour éviter d'introduire trop d'aléa dans le processus de raffinement.

<hr />

<h3>Paramètres clés pour tester un grand nombre de stratégies différentes :</h3>

1. Max # de Générations : Plus bas (5-20) pour donner la priorité à une large exploration des différentes stratégies, en redémarrant fréquemment pour couvrir plus de terrain.
2. Taille de la population : Utiliser une population réduite (10-30) pour explorer rapidement un large éventail de possibilités.
3. Crossover Probabilité : Utilisez une probabilité de croisement modérée (0,5-0,7) pour équilibrer le mélange des stratégies et la création de nouvelles stratégies.
4. Mutation Probabilité : Augmenter la probabilité de mutation (0,05-0,1) pour encourager une plus grande diversité et l'exploration de nouvelles idées de stratégies.
5. Îles : Utiliser davantage d'îles (3-10) pour tester différentes stratégies sur des populations distinctes, afin d'accroître la diversité.
6. Migrer chaque Xème génération : Des migrations plus fréquentes (toutes les 5 à 10 générations) favorisent la pollinisation croisée des idées entre les îles et débloquent les populations bloquées.
7. Remplacer X % des stratégies les plus faibles : Fixez un taux de remplacement plus élevé (20-50%) pour éliminer rapidement les stratégies les plus faibles et en explorer de nouvelles.
8. Coefficient de décimation généré : Augmentez cette valeur (2-5) pour vous assurer qu'un plus grand nombre de stratégies est généré pour l'exploration.
9. Population initiale générée par filtre : Utiliser des filtres plus souples pour permettre une plus grande variété de stratégies dans la population initiale.
10. Détecter les mêmes stratégies et les remplacer : Conserver cette option sur veiller à ce que les stratégies qui font double emploi soient remplacées par de nouvelles, en promouvant la diversité.

<h3>Stratégies de raffinage :</h3>
Lorsque vous affinez un ensemble de stratégies connues afin d'en améliorer les performances, il est important de donner la priorité aux paramètres qui favorisent la stabilité et l'ajustement plutôt que l'exploration générale. Ces paramètres vous aideront à affiner les stratégies déjà prometteuses :

1. Max # de Générations : Réglez le nombre de générations à environ 20-50 pour vous concentrer sur les améliorations progressives des stratégies sans aller trop loin. Cette fourchette permet une évolution suffisante tout en préservant l'efficacité du processus.
2. Taille de la population : Utilisez une population relativement importante (50-100) pour donner à l'algorithme génétique un plus grand nombre de stratégies à utiliser. Ce plus grand nombre de stratégies permet à l'algorithme d'affiner les solutions de manière plus approfondie.
3. Croisement et mutation Probabilité : Réglez le croisement à un niveau élevé (0,8-0,9) pour mélanger efficacement les bonnes caractéristiques, tout en maintenant la mutation à un niveau faible (0,01-0,05) pour éviter d'introduire trop d'aléa.
4. Îles : Utilisez 1 à 2 îlots pour que le processus se concentre sur l'affinement des optima locaux, plutôt que sur l'exploration de stratégies radicalement différentes. Avec moins d'îlots, l'algorithme peut se concentrer sur le processus d'affinage.
5. Migrer chaque Xème génération : Fixer une fréquence de migration faible (toutes les 20 à 30 générations) pour permettre aux stratégies d'évoluer dans leurs îles sans trop d'interférences.
6. Taux de migration de la population : Un taux de migration plus faible de 1 à 2 stratégies (10-20%) est recommandé pour maintenir l'équilibre de la diversité et se concentrer sur la mise au point.
7. Remplacer X % des stratégies les plus faibles : Fixez ce taux à un niveau inférieur (5-10%) afin de remplacer soigneusement les stratégies les plus faibles sans perturber radicalement la population.
8. Coefficient de décimation généré : Fixez ce chiffre à un niveau bas (1 à 2), car la création d'un trop grand nombre de stratégies supplémentaires ne sera d'aucune utilité lors de la phase d'affinage. Concentrez-vous plutôt sur l'amélioration de la population actuelle.
9. Population initiale générée par filtre : Utiliser des filtres plus stricts pour s'assurer que seules les stratégies de qualité sont autorisées à entrer dans le processus d'affinage.
10. Détecter les mêmes stratégies et les remplacer : Il s'agit de éteint ou à un niveau bas afin de maintenir l'accent sur l'affinement des stratégies existantes plutôt que sur l'introduction de nouvelles stratégies.

<hr />

<h3>Tester un grand nombre de stratégies différentes :</h3>
Pour une exploration large ou l'essai de nombreuses stratégies différentes, l'accent est mis sur la diversité et la vitesse plutôt que sur le réglage fin. Ces paramètres encouragent l'algorithme génétique à explorer un large éventail de stratégies possibles, ce qui améliore les chances de trouver de nouvelles solutions :

1. Max # de Générations : Gardez cette valeur basse (5-20) pour donner la priorité à l'exploration rapide de nombreuses stratégies. Redémarrez fréquemment pour couvrir plus de terrain au lieu de faire évoluer à l'excès un petit ensemble de stratégies.
2. Taille de la population : Utiliser une population plus petite (10-30) pour permettre de tester rapidement différentes stratégies. Cela permet de réduire les coûts de calcul tout en augmentant l'étendue de l'exploration.
3. Croisement et mutation Probabilité : Fixez le croisement à une valeur modérée (0,5-0,7) et la mutation à une valeur plus élevée (0,05-0,1) afin d'encourager la diversité et l'exploration de nouvelles idées.
4. Îles : Utiliser un plus grand nombre d'îles (3 à 10) pour tester un plus large éventail de stratégies sur des populations différentes et isolées. Cela permet d'augmenter la variété des stratégies explorées simultanément.
5. Migrer chaque Xème génération : Des migrations plus fréquentes (toutes les 5 à 10 générations) garantissent que les stratégies fructueuses d'une île peuvent influencer les autres, évitant ainsi la stagnation.
6. Taux de migration de la population : Utiliser un taux de migration plus élevé (20-50%) pour promouvoir une plus grande diversité entre les îles et introduire des idées nouvelles dans chaque population.
7. Remplacer X % des stratégies les plus faibles : Réglez ce taux sur une valeur plus élevée (20-50%) pour éliminer rapidement les stratégies peu performantes et maintenir la population dynamique et ouverte à de nouvelles possibilités.
8. Coefficient de décimation généré : Utilisez une valeur de décimation plus élevée (2-5) pour générer un plus grand nombre de stratégies au départ, en veillant à ce que les meilleures soient choisies pour commencer l'exploration.
9. Population initiale générée par filtre : Utiliser des filtres plus lâches pour permettre une plus grande diversité dans la population initiale.
10. Détecter les mêmes stratégies et les remplacer : Conserver cette option sur afin d'éviter les doublons et d'encourager l'exploration de nouvelles possibilités de stratégies.

<hr />

En ajustant les paramètres de ces deux modes, vous pouvez soit vous concentrer sur l'affinage et le perfectionnement des stratégies existantes, soit tester un large éventail de stratégies différentes pour explorer de nouvelles opportunités. Chaque approche nécessite un équilibre différent entre diversité et concentration, et les paramètres ci-dessus vous aideront à trouver la configuration la plus efficace en fonction de vos objectifs.