Mais algumas percepções sobre a evolução genética no SQX

Aqui está um detalhamento das melhores configurações para refino estratégias existentes versus explorando ou testar várias estratégias diferentes. Esses modos exigem configurações diferentes, pois um se concentra em aprimorar estratégias conhecidas, enquanto o outro busca explorar uma gama mais ampla de possibilidades.
<h3>Configurações-chave para refinar as estratégias:</h3>

1. Máximo de # de gerações: Mantenha esse valor moderado (20-50) para dar tempo ao algoritmo de refinar as estratégias existentes. Mais gerações ajudam a aperfeiçoar as estratégias sem perder tempo explorando muitas possibilidades aleatórias.
2. Tamanho da população: Use uma população maior (50-100) para dar ao algoritmo genético mais material para trabalhar, mas sem muita diversidade.
3. Crossover Probability: Aumente a probabilidade de cruzamento (0,8-0,9) para refinar as boas características das estratégias bem-sucedidas.
4. Mutação Probabilidade: Probabilidade de mutação mais baixa (0,01-0,05), pois você deseja fazer pequenos ajustes em vez de introduzir grandes alterações aleatórias.
5. Ilhas: Menos ilhas (1-2) são melhores para se concentrar em estratégias de refinamento, garantindo que o esforço seja concentrado em um espaço de pesquisa menor.
6. Migrar a cada Xª geração: A migração menos frequente (a cada 20 a 30 gerações) mantém a ilha concentrada no refinamento dos ótimos locais, sem interrompê-la com muita frequência.
7. Substituir X % das estratégias mais fracas: Defina uma taxa de substituição baixa (5-10%) para eliminar cuidadosamente as piores estratégias e refinar as demais.
8. Coeficiente de dizimação gerado: Mantenha esse número baixo (1-2), pois o foco está no refinamento e você não precisa perder tempo gerando muitas estratégias extras.
9. População inicial gerada por filtro: Use filtros mais rigorosos para a população inicial para garantir que apenas as estratégias de maior qualidade entrem no processo de refinamento.
10. Detectar as mesmas estratégias e substituí-las: Manter essa opção desligado ou em um nível baixo para evitar a introdução de muita aleatoriedade no processo de refinamento.

<hr />

<h3>Configurações-chave para testar várias estratégias diferentes:</h3>

1. Máximo de # de gerações: Menor (5-20) para priorizar a exploração ampla de diferentes estratégias, reiniciando com frequência para cobrir mais áreas.
2. Tamanho da população: Use uma população menor (10-30) para explorar rapidamente uma ampla gama de possibilidades.
3. Crossover Probability: Use uma probabilidade de cruzamento moderada (0,5-0,7) para equilibrar a combinação de estratégias e a criação de novas.
4. Mutação Probabilidade: Defina uma probabilidade de mutação mais alta (0,05-0,1) para incentivar maior diversidade e exploração de novas ideias de estratégia.
5. Ilhas: Use mais ilhas (3-10) para testar diferentes estratégias em populações separadas, aumentando a diversidade.
6. Migrar a cada Xª geração: A migração mais frequente (a cada 5-10 gerações) ajuda a polinizar ideias entre as ilhas e a desbloquear populações presas.
7. Substituir X % das estratégias mais fracas: Defina uma taxa de substituição mais alta (20-50%) para eliminar rapidamente as estratégias mais fracas e explorar as novas.
8. Coeficiente de dizimação gerado: Aumente esse valor (2-5) para garantir que um conjunto maior de estratégias seja gerado para exploração.
9. População inicial gerada por filtro: Use filtros mais flexíveis para permitir uma variedade maior de estratégias na população inicial.
10. Detectar as mesmas estratégias e substituí-las: Manter essa opção em para garantir que as estratégias duplicadas sejam substituídas por novas, promovendo a diversidade.

<h3>Estratégias de refino:</h3>
Ao refinar um conjunto de estratégias conhecidas para melhorar seu desempenho, é importante priorizar configurações que promovam a estabilidade e o ajuste fino em vez de uma ampla exploração. Essas configurações o ajudarão a aprimorar as estratégias que já se mostram promissoras:

1. Máximo de # de gerações: Defina em torno de 20 a 50 gerações para se concentrar em melhorias incrementais nas estratégias sem ir muito longe. Esse intervalo permite uma evolução suficiente e, ao mesmo tempo, mantém o processo eficiente.
2. Tamanho da população: Use um tamanho de população relativamente grande (50-100) para dar ao algoritmo genético mais estratégias com as quais trabalhar. Esse conjunto maior ajuda o algoritmo a refinar as soluções de forma mais completa.
3. Crossover e mutação Probability: Defina o crossover como alto (0,8-0,9) para combinar boas características de forma eficaz, mantendo a mutação baixa (0,01-0,05) para evitar a introdução de muita aleatoriedade.
4. Ilhas: Use 1 a 2 ilhas para manter o processo concentrado no refinamento dos ótimos locais, em vez de explorar estratégias radicalmente diferentes. Com menos ilhas, o algoritmo pode se concentrar no processo de refinamento.
5. Migrar a cada Xª geração: Defina uma frequência de migração baixa (a cada 20-30 gerações) para permitir que as estratégias evoluam em suas ilhas sem muita interferência.
6. Taxa de migração da população: Recomenda-se uma taxa de migração menor, de 1 a 2 estratégias (10-20%), para manter o equilíbrio da diversidade e o foco no ajuste fino.
7. Substituir X % das estratégias mais fracas: Defina isso em uma taxa mais baixa (5-10%) para substituir cuidadosamente as estratégias mais fracas sem perturbar drasticamente a população.
8. Coeficiente de dizimação gerado: Defina um valor baixo (1-2), pois gerar muitas estratégias extras não ajudará na fase de refinamento. Em vez disso, concentre-se em melhorar a população atual.
9. População inicial gerada por filtro: Use filtros mais rígidos para garantir que somente estratégias de qualidade possam entrar no processo de refinamento.
10. Detectar as mesmas estratégias e substituí-las: Isso deve ser desligado ou definido como baixo para manter o foco no ajuste fino das estratégias existentes em vez de introduzir novas estratégias.

<hr />

<h3>Teste de várias estratégias diferentes:</h3>
Para uma exploração ampla ou para testar muitas estratégias diferentes, o foco está na diversidade e na velocidade, e não no ajuste fino. Essas configurações incentivam o algoritmo genético a explorar uma ampla gama de estratégias possíveis, aumentando as chances de encontrar soluções novas:

1. Máximo de # de gerações: Mantenha esse valor baixo (5-20) para priorizar a exploração rápida de muitas estratégias. Reinicie com frequência para cobrir mais áreas em vez de desenvolver excessivamente um pequeno conjunto de estratégias.
2. Tamanho da população: Use uma população menor (10-30) para permitir o teste rápido de diferentes estratégias. Isso mantém os custos de computação mais baixos e aumenta a amplitude da exploração.
3. Crossover e mutação Probability: Defina o cruzamento em um valor moderado (0,5-0,7) e a mutação em um valor mais alto (0,05-0,1) para incentivar a diversidade e a exploração de novas ideias.
4. Ilhas: Use mais ilhas (3 a 10) para testar uma variedade maior de estratégias em populações diferentes e isoladas. Isso aumenta a variedade de estratégias que estão sendo exploradas simultaneamente.
5. Migrar a cada Xª geração: A migração mais frequente (a cada 5 a 10 gerações) garante que as estratégias bem-sucedidas de uma ilha possam influenciar as outras, evitando a estagnação.
6. Taxa de migração da população: Use uma taxa de migração mais alta (20-50%) para promover maior diversidade entre as ilhas e introduzir novas ideias em cada população.
7. Substituir X % das estratégias mais fracas: Defina isso como uma taxa mais alta (20-50%) para eliminar rapidamente as estratégias de baixo desempenho, mantendo a população dinâmica e aberta a novas possibilidades.
8. Coeficiente de dizimação gerado: Use um valor de dizimação mais alto (2-5) para gerar mais estratégias inicialmente, garantindo que as melhores sejam escolhidas para iniciar a exploração.
9. População inicial gerada por filtro: Use filtros mais frouxos para permitir maior diversidade na população inicial.
10. Detectar as mesmas estratégias e substituí-las: Manter essa opção em para evitar duplicatas e incentivar a exploração de novas possibilidades de estratégia.

<hr />

Ao ajustar as configurações nesses dois modos, você pode se concentrar em refinar e aperfeiçoar as estratégias existentes ou testar uma ampla gama de estratégias diferentes para explorar novas oportunidades. Cada abordagem requer um equilíbrio diferente entre diversidade e foco, e as configurações acima ajudarão a orientá-lo para a configuração mais eficiente com base em suas metas.