Altri approfondimenti sull'evoluzione genetica in SQX

Ecco una panoramica delle impostazioni migliori per raffinazione strategie esistenti rispetto a esplorazione o testare molte strategie diverse. Queste modalità richiedono configurazioni diverse, poiché una si concentra sul miglioramento delle strategie conosciute, mentre l'altra cerca di esplorare una gamma più ampia di possibilità.
<h3>Impostazioni chiave per l'affinamento delle strategie:</h3>

1. Max # di generazioni: Mantenere questo valore moderato (20-50) per dare all'algoritmo il tempo di affinare le strategie esistenti. Un numero maggiore di generazioni aiuta a perfezionare le strategie senza perdere tempo a esplorare troppe possibilità casuali.
2. Dimensione della popolazione: Utilizzare una popolazione più ampia (50-100) per dare all'algoritmo genetico più materiale con cui lavorare, ma senza troppa diversità.
3. Crossover Probabilità: Aumentare la probabilità di crossover (0,8-0,9) per affinare i tratti buoni dalle strategie di successo.
4. Mutazione Probabilità: Probabilità di mutazione più bassa (0,01-0,05), poiché si desidera apportare piccole modifiche piuttosto che introdurre grandi cambiamenti casuali.
5. Isole: Un numero minore di isole (1-2) è più indicato per concentrarsi sull'affinamento delle strategie, assicurando che lo sforzo sia concentrato in uno spazio di ricerca ridotto.
6. Migrare ogni X generazione: Le migrazioni meno frequenti (ogni 20-30 generazioni) mantengono l'isola concentrata sull'affinamento dell'optimum locale senza interromperla troppo spesso.
7. Sostituire X % delle strategie più deboli: Impostate un tasso di sostituzione basso (5-10%) per eliminare con cura le strategie peggiori e perfezionare le altre.
8. Coefficiente di decimazione generato: Mantenete un valore basso (1-2), poiché l'attenzione è rivolta al perfezionamento e non è necessario perdere tempo a generare molte strategie extra.
9. Popolazione iniziale generata dal filtro: Utilizzare filtri più severi per la popolazione iniziale per garantire che solo le strategie di qualità superiore entrino nel processo di affinamento.
10. Individuare le stesse strategie e sostituirle: Mantenere questa opzione spento o a un livello basso per evitare di introdurre troppa casualità nel processo di affinamento.

<hr />

<h3>Impostazioni chiave per testare molte strategie diverse:</h3>

1. Max # di generazioni: Più basso (5-20) per dare priorità a un'ampia esplorazione di diverse strategie, ricominciando spesso per coprire più terreno.
2. Dimensione della popolazione: Utilizzate una popolazione più piccola (10-30) per esplorare rapidamente un'ampia gamma di possibilità.
3. Crossover Probabilità: Utilizzare una probabilità di crossover moderata (0,5-0,7) per bilanciare la fusione delle strategie e la creazione di nuove strategie.
4. Mutazione Probabilità: Impostare una probabilità di mutazione più alta (0,05-0,1) per incoraggiare una maggiore diversità e l'esplorazione di nuove idee strategiche.
5. Isole: Utilizzare più isole (3-10) per testare diverse strategie su popolazioni separate, aumentando la diversità.
6. Migrare ogni X generazione: Migrazioni più frequenti (ogni 5-10 generazioni) aiutano l'impollinazione incrociata delle idee tra le isole e sbloccano le popolazioni bloccate.
7. Sostituire X % delle strategie più deboli: Impostare un tasso di sostituzione più elevato (20-50%) per eliminare rapidamente le strategie più deboli ed esplorarne di nuove.
8. Coefficiente di decimazione generato: Aumentate questo valore (2-5) per garantire che venga generato un pool più ampio di strategie da esplorare.
9. Popolazione iniziale generata dal filtro: Utilizzare filtri più rilassati per consentire una maggiore varietà di strategie nella popolazione iniziale.
10. Individuare le stesse strategie e sostituirle: Mantenere questa opzione su garantire che le strategie duplicate vengano sostituite con altre nuove, promuovendo la diversità.

<h3>Strategie di raffinazione:</h3>
Quando si affina un insieme di strategie note per migliorarne le prestazioni, è importante dare priorità alle impostazioni che promuovono la stabilità e la messa a punto rispetto a un'ampia esplorazione. Queste impostazioni vi aiuteranno a perfezionare le strategie già promettenti:

1. Max # di generazioni: Impostare circa 20-50 generazioni per concentrarsi sui miglioramenti incrementali delle strategie senza andare troppo lontano. Questo intervallo consente un'evoluzione sufficiente, mantenendo il processo efficiente.
2. Dimensione della popolazione: Utilizzare una popolazione di dimensioni relativamente grandi (50-100) per dare all'algoritmo genetico più strategie con cui lavorare. Questo pool più ampio aiuta l'algoritmo a raffinare le soluzioni in modo più approfondito.
3. Crossover e mutazione Probabilità: Impostate un crossover alto (0,8-0,9) per miscelare efficacemente i tratti buoni, mentre mantenete bassa la mutazione (0,01-0,05) per evitare di introdurre troppa casualità.
4. Isole: Utilizzare 1-2 isole per mantenere il processo focalizzato sull'affinamento degli optima locali, piuttosto che sull'esplorazione di strategie radicalmente diverse. Con meno isole, l'algoritmo può concentrarsi sul processo di affinamento.
5. Migrare ogni X generazione: Impostare una frequenza di migrazione bassa (ogni 20-30 generazioni) per consentire alle strategie di evolversi all'interno delle loro isole senza troppe interferenze.
6. Tasso di migrazione della popolazione: Si raccomanda un tasso di migrazione inferiore, pari a 1-2 strategie (10-20%), per mantenere un equilibrio di diversità e concentrarsi sulla messa a punto.
7. Sostituire X % delle strategie più deboli: Impostate un tasso più basso (5-10%) per sostituire con cura le strategie più deboli senza sconvolgere drasticamente la popolazione.
8. Coefficiente di decimazione generato: Impostate un valore basso (1-2), poiché la generazione di troppe strategie extra non aiuterà nella fase di perfezionamento. Concentratevi invece sul miglioramento della popolazione attuale.
9. Popolazione iniziale generata dal filtro: Utilizzare filtri più severi per garantire che solo le strategie di qualità siano ammesse al processo di affinamento.
10. Individuare le stesse strategie e sostituirle: Questo dovrebbe essere spento o basso per mantenere l'attenzione sulla messa a punto delle strategie esistenti piuttosto che sull'introduzione di nuove.

<hr />

<h3>Testare molte strategie diverse:</h3>
Per un'ampia esplorazione o per testare molte strategie diverse, l'attenzione si concentra sulla diversità e sulla velocità piuttosto che sulla messa a punto. Queste impostazioni incoraggiano l'algoritmo genetico a esplorare un'ampia gamma di strategie possibili, aumentando le possibilità di trovare soluzioni nuove:

1. Max # di generazioni: Mantenere un valore basso (5-20) per privilegiare l'esplorazione rapida di molte strategie. Riavviate frequentemente per coprire più terreno invece di sviluppare eccessivamente un piccolo insieme di strategie.
2. Dimensione della popolazione: Utilizzare una popolazione più piccola (10-30) per consentire una rapida sperimentazione di diverse strategie. In questo modo si riducono i costi di calcolo e si aumenta l'ampiezza dell'esplorazione.
3. Crossover e mutazione Probabilità: Impostate il crossover a un valore moderato (0,5-0,7) e la mutazione a un valore più alto (0,05-0,1) per incoraggiare la diversità e l'esplorazione di nuove idee.
4. Isole: Utilizzare più isole (3-10) per testare una gamma più ampia di strategie su popolazioni diverse e isolate. In questo modo si aumenta la varietà di strategie che vengono esplorate contemporaneamente.
5. Migrare ogni X generazione: Una migrazione più frequente (ogni 5-10 generazioni) garantisce che le strategie di successo di un'isola possano influenzare le altre, evitando la stagnazione.
6. Tasso di migrazione della popolazione: Utilizzare un tasso di migrazione più elevato (20-50%) per promuovere una maggiore diversità tra le isole e introdurre nuove idee in ogni popolazione.
7. Sostituire X % delle strategie più deboli: Impostate un tasso più alto (20-50%) per eliminare rapidamente le strategie con scarse prestazioni, mantenendo la popolazione dinamica e aperta a nuove possibilità.
8. Coefficiente di decimazione generato: Utilizzare un valore di decimazione più alto (2-5) per generare inizialmente un maggior numero di strategie, assicurando che vengano scelte le migliori per iniziare l'esplorazione.
9. Popolazione iniziale generata dal filtro: Utilizzare filtri più lenti per consentire una maggiore diversità nella popolazione iniziale.
10. Individuare le stesse strategie e sostituirle: Mantenere questa opzione su per evitare duplicazioni e incoraggiare l'esplorazione di nuove possibilità strategiche.

<hr />

Regolando le impostazioni in queste due modalità, è possibile concentrarsi sul perfezionamento delle strategie esistenti o testare un'ampia gamma di strategie diverse per esplorare nuove opportunità. Ogni approccio richiede un diverso equilibrio tra diversità e concentrazione, e le impostazioni di cui sopra vi guideranno verso la configurazione più efficiente in base ai vostri obiettivi.