[100DaysML]第 9 天 – 遗传算法GA(一)

第 9 天

GA是Evolutionary Algorithm(进化算法)中的一种

1. 概念

a. 文字描述
模拟物竞天择的生物进化过程,通过维护一个潜在解的群体执行了多方向的搜索,并支持这些方向上的信息构成和交换。
b. 图示

c. 术语对照表

2. 问题引出

a. 爬山算法 -> 模拟退火 -> 遗传算法
b. 模拟退火
利用模拟退火的时候,让算法从较大的跳跃开始,使到它有足够的“能量”逃离可能“路过”的局部最优解而不至于限制在其中,当它停在全局最优解附近的时候,逐渐的减小跳跃量,以便使其“落脚 ”到全局最优解上。
c. 遗传算法
⚠️注意:算法本身不知道它是在求最优解;数据在训练过程中无法“察觉”自己正在被淘汰

3. 遗传算法的实现(以袋鼠为例🦘)


遗传算法不保证获得问题的最优解(optimum solution),但遗传算法对最优解要求不是特别高时效率很高。
遗传算法的最大优点在于,我们不用了解和操心如何“找”最优解(我们不必去指导袋鼠向那边跳,跳多远),而是专注于“否定”一些表现不好的个体(射杀那些总是爱走下坡路的袋鼠)

[100DaysML]第 9 天 – 遗传算法GA(一)》有1个想法

发表评论

电子邮件地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据