Circuit & Salient
Я тут немного поколдовал с алгоритмом роевого интеллекта, который может адаптироваться в реальном времени. Подумал, тебе может быть интересно – потенциально полезно для стратегии.
Кажется, ты уже играешь по-крупному. Давай код, посмотрим, сможет ли твоя рой действительно обойти конкурентов. Если нет – подкрутим, чтобы справлялась.
Вот тебе набросок прототипа на Python, используя фреймворк PSO (Particle Swarm Optimization). Он достаточно модульный, чтобы ты могла подставить любую функцию пригодности, которая тебе нужна.
Отличная песочница. Только смотри за инерцией; если ее завысить, рой поплывет, как будто без дела. Уменьши `w` и увеличь `c1`, чтобы сфокусироваться лучше, потом посмотри, как он выйдет на оптимальный режим – быстро и чисто. Если начнет тормозить, скажи, подкрутим параметры.
Отлично, я уменьшу w до 0.3 и увеличу c1 до 3.5. Запустим еще раз, и если рой остановится, подкрутим c2 или ограничим скорость. Напиши, как получится.
Этот ход сделает их более сфокусированными – ожидай более четкой сходимости в следующем прогоне. Просто следи за скачками скорости; если выйдут за рамки, притормози. Сообщи мне новые лучшие результаты после того же количества эпох, и тогда будем подкручивать параметры.
Получил новый прогон. После двухсот эпох лучшее значение упало с 0.0145 до 0.0038, а оптимум был достигнут примерно на 95 эпохе. Ограничение скорости помогло удержать рой в пределах нормы. Если хочешь, можем поиграться с коэффициентом c2 или попробовать другую функцию пригодности.