fibonacci-optimization

npx skills add majiayu000/claude-skill-registry --skill fibonacci-optimization --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# Skill: Fibonacci & Golden Ratio Optimization ## Contexto El uso de la secuencia de Fibonacci y el Número Áureo ($\phi \approx 1.618$) para optimizar búsquedas, tamaños de población y distribución de parámetros. Inspirado en la eficiencia de la naturaleza. ## Cuándo Usar - Optimización de hiperparámetros (tuning de temperatura, top-p, etc.). - Gestión de población en algoritmos genéticos (FSGA). - Búsquedas espaciales o muestreo uniforme (Spiral Sampling). - Estrategias de reintento/backoff (Fibonacci backoff). ## Patrones de Implementación ### 1. Fibonacci Population Control (FSGA) Dinámica de población que permite exploración amplia inicial y refinamiento denso posterior. ```python def fib_pop_size(generation, base=10): a, b = 1, 1 for _ in range(generation): a, b = b, a + b return b * base ``` ### 2. Golden Section Search Para encontrar el óptimo global en funciones unimodales sin usar derivadas. ```python def golden_search(f, a, b, tol=1e-5): phi = (1 + 5**0.5) / 2 resphi = 2 - phi c = a + resphi * (b - a) d = b - resphi * (b - a) # ... loop de reducción de intervalo ... ``` ### 3. Fibonacci Spiral Sampling Distribución uniforme de puntos para evitar sesgos en el espacio de pa