진화 알고리즘 '접근법'의 주요 차이점은 무엇입니까?

Question

그래서 진화 알고리즘을 읽고 혼란 스럽습니다.

진화 프로그래밍, 진화 전략 및 유전 알고리즘 간의 '전통적'차이점은 무엇입니까? 현대 에선 기본적으로 동일한 개념으로 수렴 했습니까?

유전 알고리즘은 결과를 산출하기 위해 유전자를 다양 화한다는 점에서 진화 전략은 개인을 어떻게 든 변화시키는 매개 변수를 변경합니다. 정확하게 numerical parameters을 의미하는 것은 무엇입니까 (http://en.wikipedia.org/wiki/Evolutionary_algorithm)? 진화 적 프로그래밍은 주로 실수에 의한 돌연변이에 의해 달라진다.

유전자 알고리즘과 진화 전략이 후보를 사용하여 문제에 대한 해결책을 찾는 동안 진화 프로그래밍과 유전 프로그래밍 방법으로 문제를 해결할 수있는 방법을 찾고 있습니까? 이 구별은 나에게 보이지 않으며 진화 전략과 유전자 알고리즘에 대한 유일한 구별은 매개 변수 목록과 염색체와 실수와 정수의 목록입니다.

감사합니다.

Answer 1

이 당신을 위해 약간의 일을 명확히 바라고 :

진화 알고리즘 : 후보 솔루션의 주어진 인구 내에서 시도 알고리즘을하는 "가장 적합한"해결책을 찾기 위해. 알고리즘은 임의의 후보로 시작하여 복제, 돌연변이, 재조합 및 선택을 통해 거기에서 진화하려고 시도합니다.

거기에서 진화 알고리즘의 여러 패밀리를 호출하는 몇 가지 "표준 방법"이 있습니다. 논문명은 학술 연구에 의해 주어졌다. 나는 시간이 지남에 따라 명명 규칙에 미묘한 차이가 미묘한 이유에서 가능한 어휘의 부족으로 모두 올 생각 :

• 유전자 알고리즘 : 주어진 인구 ("숫자의 문자열"로 정의 traditionnaly 0과 1의 벡터).

• 유전 프로그래밍 : 주어진 인구는 구조적으로 다른 컴퓨터 프로그램 집합입니다. 문제는 어떤 프로그램이 주어진 문제를 해결할 수있는 "최적"인지 여부입니다. Lisp 프로세싱에 익숙하다면, 전체 프로그램을 하나의 트리로 표현할 수 있다는 것을 알게 될 것이다. 알고리즘이이 트리를 변형 시키거나 재조합한다고 상상해보십시오. 당신은 당신의 원래 후보자로부터 진화하는 많은 프로그램으로 끝날 것이고, 어떤 것은 당신의 문제를 푸는 다른 사람들보다 나아질 것입니다.

• 진화 프로그래밍 : 구조는 고정되어 있지만 매개 변수가있는 특정 컴퓨터 프로그램이 주어지면 연구 된 모집단은 이러한 매개 변수의 변형으로 얻은 프로그램 집합입니다. 예를 들어, 문제가 유한 상태 시스템으로 표현 될 수 있다고 생각하면이 기술은 상태 수, 상태 간 승인 된 전환, 이러한 전환의 확률을 찾는 데 도움이 될 수 있습니다.

• 진화 전략 : 주어진 모집단은 연구 된 후보들 중 돌연변이 비율이 최적에 도달하려고하는 것처럼 실수 + 매개 변수의 벡터입니다. 상상해보십시오 (c1, c2, c3) 3 차원 벡터의 인구로 시작하십시오. 각 세대마다 c1, c2 및 c3에 임의의 값을 추가하여 변형시킵니다. 무작위 값은 표준 편차 S를 갖는 가우시안을 기반으로 할 수 있습니다. 큰 값의 S로 시작하여 돌연변이가 모든 곳에서 벡터를 생성하고 재미있는 벡터를 찾기 시작하면 S 이 흥미로운 벡터를 "집중"하기 위해서.

이러한 이름은 단지 명명 규칙 일뿐입니다. 일부는 의미를 설명하는 데 능숙하고 일부는 덜 최적화됩니다. AI의 분야에서 진화 명명 ​​아직도 내가 진화 이름을 주셔서 감사합니다