mboost-dp1
NASA
Det er fandeme en cool måde at udvikle på, og jeg går ud fra at det kun er en meget lille del af ionmotoren der i det hele taget har været igennem denne udvikling, netop trådnettet og spændingen i dette.
Så det er ikke de helt store ændringer.
Kunne være interessant at se denne form for "evolution" sat ind andre steder, som feks ved forbrændingsmotoren, eller strøm generatorer.
Så det er ikke de helt store ændringer.
Kunne være interessant at se denne form for "evolution" sat ind andre steder, som feks ved forbrændingsmotoren, eller strøm generatorer.
Jeg har prøvet at bruge en bastard af sådan en algoritme til at finde nogle gode værdier til nogle variabler i et program.
Det var egentlig meget simpelt: find på X antal tilfældige sæt af parametre. Kør simulation Y gange på hvert sæt. Sorter de Z bedste fra og lav X-Z tilfældige nye parametre. Kør det et par generationer og tag de bedste ud.
Jeg ved godt at det ikke helt er en genetisk algoritme, men det var godt nok til mit formål :) Det var nice nok bare at lade computeren crunche tal i et stykke tid og så bare få en rimelig ok løsning ud af det :D
Det var egentlig meget simpelt: find på X antal tilfældige sæt af parametre. Kør simulation Y gange på hvert sæt. Sorter de Z bedste fra og lav X-Z tilfældige nye parametre. Kør det et par generationer og tag de bedste ud.
Jeg ved godt at det ikke helt er en genetisk algoritme, men det var godt nok til mit formål :) Det var nice nok bare at lade computeren crunche tal i et stykke tid og så bare få en rimelig ok løsning ud af det :D
Kan man ikke bare udskifte nettet?
Altså lave en mekanisk funktion som piller det brugte net ud og indsætter et nyt. Så kan sonden have et par ekstra net med, også aktivere man bare udskift funktionen.
Og nej. Jeg ved intet om hvordan en sådan motor fungere. Det virker bare logisk at udskifte nettet :)
Altså lave en mekanisk funktion som piller det brugte net ud og indsætter et nyt. Så kan sonden have et par ekstra net med, også aktivere man bare udskift funktionen.
Og nej. Jeg ved intet om hvordan en sådan motor fungere. Det virker bare logisk at udskifte nettet :)
Svjv bliver en ion-motor da ikke brugt til få fartøjer ud af atmosfæren, men kun til fremdrift ude i rummet, i det at ion-motorer accelerer(...)erere meget langsomt..
#7
En udskiftning er da eneste mulighed hvis man vil have acceleration i længere tid end de nuværende 2,8/5 år.
Så kan du K.I.S.S'e så meget du vil.
En udskiftning er da eneste mulighed hvis man vil have acceleration i længere tid end de nuværende 2,8/5 år.
Så kan du K.I.S.S'e så meget du vil.
#1 Det er nu ikke udvikling, men optimering.
Udviklingen kræver ny teknologi, men indtil da er det jo smart at finde ud af hvor meget man kan få ud af den nuværende teknologi.
#3 For evolution skal du tage de bedste resultater, mutere dem, og tage de bedste derefter igen, et cetera. Men det er absolut ikke den eneste algoritme. Der findes hundreder af algoritmer til at finde optimale løsninger på problemer, det er jo kernen i AI feltet :)
#8 Når den er oppe i fart er den jo allerede i bevægelse, og så kan du slynge den omkring nogle planeter og måner. Tror ikke man har brug for konstant at have en motor tændt i rummet.
Udviklingen kræver ny teknologi, men indtil da er det jo smart at finde ud af hvor meget man kan få ud af den nuværende teknologi.
#3 For evolution skal du tage de bedste resultater, mutere dem, og tage de bedste derefter igen, et cetera. Men det er absolut ikke den eneste algoritme. Der findes hundreder af algoritmer til at finde optimale løsninger på problemer, det er jo kernen i AI feltet :)
#8 Når den er oppe i fart er den jo allerede i bevægelse, og så kan du slynge den omkring nogle planeter og måner. Tror ikke man har brug for konstant at have en motor tændt i rummet.
#9
Hvorfor skulle samme meteorit ikke kunne ødelægge sonden i forvejen, lavet rigtigt ville den øgede chance være mikroskopisk?
Der er intet til hindring for at bruge sådan et system og de ekstra 2-300g gør ikke den store forskel hvis man modregner en fordobling, eller mere, af accelerationstiden.
#10
At bruge planeter til at accelerere er ikke en ret god ide, specielt hvis man ikke kan styre proben.
Hvorfor skulle samme meteorit ikke kunne ødelægge sonden i forvejen, lavet rigtigt ville den øgede chance være mikroskopisk?
Der er intet til hindring for at bruge sådan et system og de ekstra 2-300g gør ikke den store forskel hvis man modregner en fordobling, eller mere, af accelerationstiden.
#10
At bruge planeter til at accelerere er ikke en ret god ide, specielt hvis man ikke kan styre proben.
ipwn (10) skrev:
#8 Når den er oppe i fart er den jo allerede i bevægelse, og så kan du slynge den omkring nogle planeter og måner. Tror ikke man har brug for konstant at have en motor tændt i rummet.
Jo, det er lige netop det, som der er brug for.
Her er netop tale om en konstant accelration, da den ikke er oppe på maks hastigheden.
Alt det der står i Newz-versionen af artiklen om at genetiske algoritmer normalt bruges til udregninger på gener... det er noget ævl.
Navnet har intet at gøre med hvad de bruges til. Ideen er heller ikke ny, selvom det næsten lyser ud af OP at han har fået en åbenbaring af de helt store. Genetiske algoritmer har allerede løst mange praktiske problemer i virkelighedens verden før.
Denne form for optimering kaldes genetic algorithms fordi de skaber optimeringerne ved at ændre på en masse inputværdier(lige som gener) og så lade de bedste løsninger fortsætte(survival of the fittest). Man tilsætter så lidt tilfældighed(mutationer) ved hver generation.
Hvis man har sat det hele rigtigt op bliver løsningsforslaget bedre og bedre for hver generation, indtil man når noget rimeligt optimalt.
Kort fortalt: Den eneste nyhed her, er at man har forbedret ion-motorers levetid med 2-3 år.
Navnet har intet at gøre med hvad de bruges til. Ideen er heller ikke ny, selvom det næsten lyser ud af OP at han har fået en åbenbaring af de helt store. Genetiske algoritmer har allerede løst mange praktiske problemer i virkelighedens verden før.
Denne form for optimering kaldes genetic algorithms fordi de skaber optimeringerne ved at ændre på en masse inputværdier(lige som gener) og så lade de bedste løsninger fortsætte(survival of the fittest). Man tilsætter så lidt tilfældighed(mutationer) ved hver generation.
Hvis man har sat det hele rigtigt op bliver løsningsforslaget bedre og bedre for hver generation, indtil man når noget rimeligt optimalt.
Kort fortalt: Den eneste nyhed her, er at man har forbedret ion-motorers levetid med 2-3 år.
#10: Lidt som #12 siger, men.
Hele konceptet er, at i stedet for en kort, men høj, acceleration fra en regulær forbrændingsraket; så accelererer ion motorer temmelig langsomt, men kan køre meget længe på en begrænset mængde brændstof (og en masse elektricitet).
Et hurtigt kig på Wikipedia afslører at:
En almindelig raketmotors trykkraft måles i kiloNewton.
En ion-motors trykkraft måles oftest i milliNewton (og kiloWatt).
Hele konceptet er, at i stedet for en kort, men høj, acceleration fra en regulær forbrændingsraket; så accelererer ion motorer temmelig langsomt, men kan køre meget længe på en begrænset mængde brændstof (og en masse elektricitet).
Et hurtigt kig på Wikipedia afslører at:
En almindelig raketmotors trykkraft måles i kiloNewton.
En ion-motors trykkraft måles oftest i milliNewton (og kiloWatt).
ipwn (10) skrev:#3 For evolution skal du tage de bedste resultater, mutere dem, og tage de bedste derefter igen, et cetera. Men det er absolut ikke den eneste algoritme. Der findes hundreder af algoritmer til at finde optimale løsninger på problemer, det er jo kernen i AI feltet :)
Det er jeg udmærket klar over. Det gjorde jeg også opmærksom på i min post.
Nu skal du passe på hvad du siger :) genetiske algoritmer (og sikkert andre indenfor AI) finder IKKE den optimale løsning, men derimod 'bare' en god løsning.
Til dem som vil lære mere om evolution og se nogle flere eksempler på brug af evolutionære algoritmer til udvikling.
http://video.google.com/videoplay?docid=6413987104...
Eller læs bogen. :)
http://video.google.com/videoplay?docid=6413987104...
Eller læs bogen. :)
damnit, mit indlæg gik tabt.
#16
Der er en væsentlig forskel på GA og brute force.
Bruteforce tester alle mulige løsninger og finder den optimale løsning.
GA tester kun et vist antal løsninger og finder en god, men ikke nødvendigvis optimal løsning.
#16
Der er en væsentlig forskel på GA og brute force.
Bruteforce tester alle mulige løsninger og finder den optimale løsning.
GA tester kun et vist antal løsninger og finder en god, men ikke nødvendigvis optimal løsning.
Interessant at ingen andre nævner en af de vigtigste principper i standard GA, uanset hvordan populations-arkitektur, etc. ellers er opbygget: Crossover (selvom der self er en del diskussion om hvorvidt crossover eller mutation er vigtigst..)
Generelt er der vel 3 grund-principper:
Selection, Crossover, Mutation
Selection vælger N parents som der laves child copies ud af, crossover "krydser" deres genotype og mutation "muterer" genotypen. Wiki har udemærkede illustrationer.
Og det er noget vrøvl at sammenligne med brute force. Det er bevist at GAer kan køre i polynomisk tid.
Mht. optimering er det eneste der forhindrer dig i at finde en optimal løsning (hvis sådan en findes/kan bevises til dit problem) er antallet af generationer og indstillingen af dine parametre.
I øvrigt bruges GA også ofte til at træne neurale netværk(ANN) når alternative træningsmetoder, så som backpropagation, ikke er praktiske. Eller til optimering af ANNs topologi.
Det skulle kunne hjælpe de flestes fantasi med at forestille sig nyttigheden af GA og lignende metoder :)
Generelt er der vel 3 grund-principper:
Selection, Crossover, Mutation
Selection vælger N parents som der laves child copies ud af, crossover "krydser" deres genotype og mutation "muterer" genotypen. Wiki har udemærkede illustrationer.
Og det er noget vrøvl at sammenligne med brute force. Det er bevist at GAer kan køre i polynomisk tid.
Mht. optimering er det eneste der forhindrer dig i at finde en optimal løsning (hvis sådan en findes/kan bevises til dit problem) er antallet af generationer og indstillingen af dine parametre.
I øvrigt bruges GA også ofte til at træne neurale netværk(ANN) når alternative træningsmetoder, så som backpropagation, ikke er praktiske. Eller til optimering af ANNs topologi.
Det skulle kunne hjælpe de flestes fantasi med at forestille sig nyttigheden af GA og lignende metoder :)
onetreehell (19) skrev:
#16
Der er en væsentlig forskel på GA og brute force.
Bruteforce tester alle mulige løsninger og finder den optimale løsning.
GA tester kun et vist antal løsninger og finder en god, men ikke nødvendigvis optimal løsning.
Men det er stadig brute force, måske direkte brute force er blindt - hvor GA er mere lukker sine veje i tro at en del er godt.
Opret dig som bruger i dag
Det er gratis, og du binder dig ikke til noget.
Når du er oprettet som bruger, får du adgang til en lang række af sidens andre muligheder, såsom at udforme siden efter eget ønske og deltage i diskussionerne.
- Forside
- ⟨
- Forum
- ⟨
- Nyheder
Gå til bund