Question

让我想象一下,我有着一种不为人知的职能,我想通过转基因生物来估计。在本案中,Ill假设为 y = 2x。

我的DNA由5个元素、1个元素和每×1个元素组成,从x = 0至x = 4个,其中经过大量审判和计算,我到达了一些形式:

最佳_adn = [0, 2, 4, 6, 8]

我不知道,如果是线性功能、多功能或某种方式,那么我就不知道。而且,我的目标不是要从最佳——即职能类型——推断,我只想这些要点,因此我可以稍后使用。

这只是一个例子。在我的案件中,我没有在DNA中仅拥有5点,而是拥有50或100点。采取什么最佳方法找到最佳的一套要点?

Generating a population of 100, discard the worse 20%
Recombine the remaining 80%? How? Cutting them at a random point and then putting together the first part of ADN of the father with the second part of ADN of the mother?
Mutation, how should I define in this kind of problem mutation?
Is it worth using Elitism?
Any other simple idea worth using around?

增编

Answer 1

俄罗斯的适应通常超出了标准的遗传算法。如果你不希望从头脑中写出自己的包裹,那么数学“全球最佳化”一揽子计划就是EXCELLENT——我用它来适应一种真正的新生的非线性功能,因为标准装配商失败了。

Edit: Wikipedia Article

如果你打上有关文章的名单所列文件的印本,你可以找到白皮书和执行。但是,总的来说,你们应该有某种想法,你们最大限度地发挥适当作用的解决办法空间是什么。如果变量数量较少,或当地最大变量数目较少,或与全球最大变量连接/缩小,那么最小的面积就算得了。如果每个地方最高层的面积很小(如果你必须找到一个被破坏的妥善解决办法,以打上最好的地区,否则就会打上坏处),那么就需要有狂热的算法。

选择遗传算法的变量取决于解决办法空间将如何看待。

Answer 2

通常,你只是通过试验发现这些结果......也许会起草一份大会来调整你的大会。

但除此之外,我不理解你再次提出的要求。如果你不知道这一职能是什么,而且你也不知道什么要点,那么你如何确定是否合适?

从我目前对该问题的理解来看,这更适合一个神经网络。

编辑:

2. 其余80%重新计算? 如何? 将他们置于任意的位置,然后把父亲的ADN的第一部分与母亲的ADN的第二部分结合起来?

这称为交叉。如果你想uce,就做一些事情,如随机抽取起点和随意抽取时间。例如,在物体中有10个元素。随机选择X点,从1到10点,抽取X..10-rand%10+1。

3.Mutation, how should I define in this kind of problem mutation? usually that depends more on what is defined as a legal solution than anything else. you can do mutation the same way you do crossover, except you fill it with random data (that is legal) rather than swapping with another specimen... and you do it at a MUCH lower rate.

4.Is it worth using Elitism? experiment and find out.

友情链接