Schwarmintelligenz und evolutionäre Algorithmen in ...
Schwarmintelligenz und evolutionäre Algorithmen in ...
Schwarmintelligenz und evolutionäre Algorithmen in ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
5.3 Experimente<br />
MAE (mean absolute error)<br />
1.2<br />
1.1<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
Ke<strong>in</strong> Alter<br />
Ke<strong>in</strong> Geschlecht<br />
Ke<strong>in</strong>e Demografie<br />
Ke<strong>in</strong>e Genres<br />
0.4<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20<br />
Benutzer<br />
Abbildung 5.14: PSOREC: Verlauf des MAE mit jeweiligen Reduzierungen der Features für<br />
20 Benutzer.<br />
Fitness (mean absolute error)<br />
1<br />
0.95<br />
0.9<br />
0.85<br />
0.8<br />
0.75<br />
Trägheitsgewicht l<strong>in</strong>ear absteigend von 0.9 auf 0.4<br />
Zufälliges Trägheitsgewicht aus [0.5,1.0]<br />
Ke<strong>in</strong> Trägheitsgewicht, Vmax Verr<strong>in</strong>gerung<br />
0.7<br />
0 5 10 15 20 25 30 35 40 45 50<br />
Unabhängige Läufe<br />
Abbildung 5.15: PSOREC: Verlauf des MAE für verschiedene Berechnungsmethoden der<br />
Trägheitsgewichte.<br />
5.3.5 Resultate IWOREC<br />
Globales Optimum Auch beim IWOREC-Verfahren wurde das globales Optimum untersucht.<br />
Die bisher verwendeten Benutzer 1, 8, 12 <strong>und</strong> 19 s<strong>in</strong>d wie <strong>in</strong> den vorherigen Experi-<br />
79
Change language