Please enable JavaScript.
Coggle requires JavaScript to display documents.
No Free Lunch Theorem (Otimization (Abordagens para análise dos algoritmos…
No Free Lunch Theorem
Otimization
Estabelece que, para qualquer algoritmo, seja qual for o seu desempenho em uma classe de problemas, ele tem seu desempenho compensado (para melhor ou pior) em relação a outra classe.
Resulta em uma interpretação geométrica do que é um algoritmo estar bem adequado a determinado tipo de problema.
-
Se o desempenho de algum algoritmo for superior ao de outro algoritmo sobre algum conjunto de problemas de otimização, o inverso deverá ser verdadeiro sobre o conjunto de todos os outros problemas de otimização.
-
Search/Otimization
Any elevated performance over one class of problems is exactly paid for in performance over another class
-
-
Principais nomes
David Wolpert: Matemático americano, físico e cientista da computação.
Enrico Fermi, ganhador do Prêmio Nobel de Física em 1938 “Eu lembro que meu amigo Johnny Von Neumann costumava dizer: com quatro parâmetros eu posso encaixar um elefante, e com cinco eu posso fazê-lo mexer seu tronco”
Broadly speaking, there are two no free lunch theorems. One for supervised machine learning (Wolpert 1996) and one for search/optimization (Wolpert and Macready 1997).