Machine learning 遗传算法是无监督学习的一种形式吗？

我有一个很简单的问题。然而，我已经广泛地搜索，无法找到答案。遗传算法被认为是无监督学习的一种形式吗？我知道这些算法是独立进化的，但是种群中每个个体的适应度都是定期测量的（有监督的？）

我的算法的目标是通过遗传算法优化一组启发式权重

谢谢你的帮助！ -来自

在机器学习中，无监督学习的问题是试图在未标记的数据中找到隐藏的结构。由于给学习者的示例没有标记，因此没有错误或奖励信号来评估潜在的解决方案。这将无监督学习与监督学习和强化学习区分开来

很明显，遗传算法不是无监督的，因为它们是根据适应度标准来衡量的。单个突变可能不受监督，但系统作为一个整体受到监督，因为突变要么被删除，要么基于它们给算法带来的适应度来构建

从

强化学习是受行为主义心理学启发的机器学习的一个领域，它关注软件代理如何在环境中采取行动，以最大限度地实现累积回报的概念。由于其普遍性，该问题在许多其他学科中都有研究，如博弈论、控制论、运筹学、信息论、基于仿真的优化、统计学和遗传算法

---

这在某种程度上表明遗传算法属于强化学习。

遗传算法可用于监督和非监督学习，例如：

---

如果您已经标记了培训数据或标记了示例，那么您使用的是监督培训。

谢谢您的回复！：）那么你会把遗传算法归入哪一类呢？他们是被监督的还是被强化的？我会说强化，但老实说，我不是这个领域的专家，只是一个感兴趣的旁观者-所以我不会把我的观点当作事实来陈述…只要给你一些源代码引用，让你得出自己的结论：）如果你用它来学习游戏算法的启发式权重，这会被监督吗？是的，这是为了优化。我已经更新了问题。谢谢你的帮助！：）你没有透露相关信息：你有没有标记过惩罚/优化/提升的例子？如果你这样做了，那么它是有监督的。最好去stats.stackexchange.com“深思熟虑”地问，这可能是基于观点的。你认为是谁在考虑呢？遗传算法根本不是“学习算法”，这是一种优化方法，它是完全不同的分支。遗传算法和其他任何优化方法一样，可用于有监督、无监督、再信息学习以及其他无数应用。所以再一次，遗传算法不是任何一种学习，它是一种优化方法。实际上它并没有那么清晰。是的，遗传算法被归类为一种优化方法（或搜索算法），但如果搜索算法持续运行，它可以表现出学习行为，从而适应使用遗传算法的动态环境，从而表现出学习行为。