"동적 인구"를 지닌 진화 알고리즘

Question

진화/유전 알고리즘을 사용하여 문제를 해결하고 싶습니다. 그것은 예술과 관련이 있습니다 - 알고리즘을 보는 사람들은 하나의 염색체 (가능한 해결책)를 시도해야하고, 그들의 취향에 따라 평가해야합니다.

이 설정을 사용하면 평가 프로세스가 상당히 비용이 많이 들며 각 염색체를 테스트하는 데 많은 시간이 걸립니다. 실현 가능한 시간 (세대가 자주 바뀌는 것을 의미 함)에서 진전이 이루어 지도록하기 위해서는 작은 인구 규모를 수용해야합니다 (단점이 있습니다). 다른 옵션은 인구 규모가 더 크지 만 세대는 거의 없을 것입니다.

"동적 인구"라고 부르는 다른 해결책을 생각했습니다. 그것은 다음과 같이 작동합니다 :

1. 인구 규모 x으로, 설치에 알고리즘, x 염색체가 무작위로 생성 x 1에서 번호가 자신의 age을 나타냅니다.
2. 초기 인구 염색체의 적합성이 평가됩니다.
3. 하나의 새로운 염색체가 교차 및/또는 돌연변이 메커니즘을 사용하여 생성됩니다. age = 1이 새 염색체에 지정됩니다. 다른 모든 염색체는 한 단계 더 오래 성장합니다 (age = age + 1). age > x 인 염색체는 개체군에서 제거됩니다. (크로스 오버 메커니즘이 자손으로 2 개의 염색체를 생산하는 경우, 한 어린이는 age = 1을 얻고 다른 하나는 을 얻고 다른 염색체는 age = age + 2)
4. 해결책을 찾을 때까지 1-3 단계 반복하십시오.

(이 과정은 확실히 쉽게 엘리트주의를 사용하여 채택 될 수 있습니다.)

이러한 메커니즘을 사용하여, 더 중요한 것은 (이 모든 (신규) 염색체와 (수) 진행을하고 것 내 케이스) 모든 평가.

나는 그러나 단점도 생각할 수

...

같은 "동적 인구"를 사용하여 구현이 진화 알고리즘을 수용합니다되지 않는 논리적 인 이유가 있습니까?

Answer 1

세대가 겹칠 것이므로 접근 방법을 사용할 이유가 없습니다. 당신은 GA가 솔루션 영역의 다른 영역을 샘플링 할 수있는 능력을 포기하고 어떤 종류의 궤적 기반 알고리즘으로 어느 정도 되돌아갑니다. 나는 또한 선택이 어떻게 작용할 것인지, 어떻게 한 명의 자녀만을 생산하도록 부모를 선택하는지 확신하지 못한다. 사용자 상호 작용에 대한 당신의 생각에 대해서

는

, 나는 얼마 전에 종이를 보았다 :이 도움이 http://hal.inria.fr/docs/00/81/86/41/PDF/vizgec2013.pdf

희망을.

Answer 2

대부분의 진화적인 접근 방식에는 "논리적 인 이유"가 없습니다. 일반적으로 - 진화 적 방법의 "맞춤", "개인적"구현을 만드는 것은 이 아닙니다. 좋은 생각은이 아닙니다. 테스트되고, 평가되고, 비평되고 교정 된 수십 가지의 개발 된 방법이 있습니다. "오 이런 식으로 그렇게 할 것"이라는 한 가지 아이디어는 과학자들의 방법에 대한 논의가 오히려 순진한 것보다 낫다고 가정합니다. 훨씬 더 중요한 것은 그러한 접근법이 실제로 "진정한"기계 학습 방법이 아니라는 점입니다. 이것은 완전히 무작위적인 추측을 피하기위한 추론 (수학적 의미가 아닌)의 "퍼지"입니다. 그리고 그와 같이 - 거의 모두 그 뒤에 진정한 수학은 없습니다. 당신이 "논리적 인 이유를"원하는 경우

이

• 다음 문제, 어쩌면 약간의 가우시안 프로세스, 다중 슬롯 머신 기반 방법 등에 수학적으로 올바른, 기존 모델 일부 를 선택 적어도 세 가지 방법이 있습니다 실제로 테스트하고 평가할 가능성이 제한적인 경우 (사용자 입력이 필요한 경우 인 것처럼 보임) 이것이 최상의 선택 인 것처럼 보이므로 진화가 없습니다.
• 당신은 여분의 시간을 가지고, 당신은 일부 실험을 수행 할 수있는 경우 - 과학자의 hundreads 이미 직면 유사한 문제 - - 다음 사용자의 요구에 적합한 기반 보인다 기존 진화 적 접근 방식 중 하나를 선택 단지 자신의 논문 구글
• 엄청난 시간이 걸리는 경우 자신의 전략에 대해 생각하고 테스트하고 평가하고 수정하십시오. 결과가 보장되지 않는 매우 복잡하고 비용이 많이 드는 프로세스입니다 (단, 몇 가지 답변을 줄 것입니다. 당신의 직감과 관련하여)

나는 진화 알고리즘 분야의 전문가는 아니지만, 여기에서 설명한 것과 매우 유사한 모델과 알고리즘을 이미 보았 기 때문에 그러한 접근법과 가치있는 토론 섹션을 평가하여 논문을 찾을 가능성이 높습니다 .