dg 0.09
http://webfile.ru/1749849
Алгоритм красного везде одинаковый. Бежим к мячу, не тормозим, из-за дискретности направлений можем промазать, потом вернёмся.
0. Алгоритм синего = алгоритму красного
1. Размерность пространства - 2. Кусочно-постоянная аппроксимация. Разбиение на два участка по каждой оси. Достаточно часто застревает в локальном оптимуме, не достигая глобального для данной аппроксимации.
2. Для синего жёстко зашито одно из решений синего из демо1. Можно написать другой алгоритм и сравнить с красным.
3. Размерность пространства - 10, 12. Кусочно-постоянная аппроксимация. Разбиение на десять участков по каждой оси. Тупая реализация полиномиально сложной задачи. Решение не может быть найдено за разумное время.
4. Размерность пространства -2. Линейная аппроксимация. Так как решение нелинейное (резкий скачёк в районе мяча), то лобовая реализация на всё пространство находит решение - стоять на месте. Сделано разбиение на четверти и решение ищется в каждой четверти. Ожидал, что будет найдена технология красного, но ожидания не сбылись.
5. Размерность пространства - 10, 12. Линейная аппроксимация в четырёх зонах. Решение существенно не отличается. В процессе поиска видны области разных направлений.
6. Размерность пространства -2. Аппроксимация радиально-базисными функциями (машина опорных векторов) http://en.wikipedia.org/wiki/Radial_basis_function . Пока демо незакончено. Решение вероятнее всего будет хуже чем в линейной демо, но объём вычислений при увеличении размерности практически не увеличивается.
Выводы:
1. На тестируемом примере алгоритм показал возможность поиска оптимума.
2. На тестируемом примере качество найденных решений низкое.
Todo: с RBF продолжить. Должно быть лучше.
Алгоритм красного везде одинаковый. Бежим к мячу, не тормозим, из-за дискретности направлений можем промазать, потом вернёмся.
0. Алгоритм синего = алгоритму красного
1. Размерность пространства - 2. Кусочно-постоянная аппроксимация. Разбиение на два участка по каждой оси. Достаточно часто застревает в локальном оптимуме, не достигая глобального для данной аппроксимации.
2. Для синего жёстко зашито одно из решений синего из демо1. Можно написать другой алгоритм и сравнить с красным.
3. Размерность пространства - 10, 12. Кусочно-постоянная аппроксимация. Разбиение на десять участков по каждой оси. Тупая реализация полиномиально сложной задачи. Решение не может быть найдено за разумное время.
4. Размерность пространства -2. Линейная аппроксимация. Так как решение нелинейное (резкий скачёк в районе мяча), то лобовая реализация на всё пространство находит решение - стоять на месте. Сделано разбиение на четверти и решение ищется в каждой четверти. Ожидал, что будет найдена технология красного, но ожидания не сбылись.
5. Размерность пространства - 10, 12. Линейная аппроксимация в четырёх зонах. Решение существенно не отличается. В процессе поиска видны области разных направлений.
6. Размерность пространства -2. Аппроксимация радиально-базисными функциями (машина опорных векторов) http://en.wikipedia.org/wiki/Radial_basis_function . Пока демо незакончено. Решение вероятнее всего будет хуже чем в линейной демо, но объём вычислений при увеличении размерности практически не увеличивается.
Выводы:
1. На тестируемом примере алгоритм показал возможность поиска оптимума.
2. На тестируемом примере качество найденных решений низкое.
Todo: с RBF продолжить. Должно быть лучше.