Artificial intelligence 用GAs优化函数

首先，很抱歉，如果这不是这个问题的正确堆栈交换，它可能更适合数学

我一直在做一个项目，用遗传算法最大化函数输出。然而，从有限的微积分中，我知道我认为有一些方法可以用微积分来找到数学函数的最大值？我假设气体有时被用来最大化函数的原因是因为有些函数的数学方法不起作用。我想知道那是什么情况？也许它不是连续的或可微的？

一个肤浅的解释 简单地说™ 数学函数，解决方法是使用微积分，找到导数函数f'（x）。如果在数学上无法区分错误函数f（x），则需要从数学框中分离出其他工具。如果误差函数的解空间是凸的，则可以使用数值方法来找到最佳值，如或算法

如果您试图优化的函数由多个未定义的变量组成，那么遗传算法（和其他搜索算法）将派上用场。这将使使用微积分计算最优值变得非常困难。如果您熟悉神经网络：遗传算法已被应用于寻找神经网络的最佳权重配置。在这些问题实例中，可能有数千个未知变量（权重）

数学方法必须以某种增量方法搜索解空间，遗传算法有点“无处不在”™. 通过调整变异频率，遗传算法将能够在搜索空间中跳跃

（过于简化）困难的解决方案空间：

---

图：

首先，你并不总是有容易微分的函数。尤其是高维函数，很难区分

此外，即使你有一个可以区分的函数，你发现的是局部最优解，而不是全局最优解，你最终可能会发现其中的很多——可能是无限多的——没有明确的方法来决定哪一个比其他的更好

虽然您可能对某些特定函数有足够的了解，能够使用微积分进行优化，但没有任何方法可以保证为任何可能的函数提供全局最优解。因此，我们依赖于许多概率技术和启发式方法，其中遗传算法只是其中之一

我会说把它带到从我有限的经验来看。我认为遗传算法在搜索空间巨大/复杂的情况下更有用，数学方法更适合于可行问题另外，请链接到这里的问题，我想看看。@Another用户