Machine learning 带“a”的进化算法;“动态人口”;
我想用进化/遗传算法解决一个问题。这与艺术有关——观看算法的人应该尝试一条染色体(=可能的解决方案),并根据自己的喜好进行评估 使用这种设置,评估过程(也就是说)相当昂贵——测试每个染色体需要很多时间。为了确保在可行的时间内取得进展(这意味着代际更替频繁),我必须接受人口规模较小(这也有缺点)。另一个选择是拥有更大的人口规模,但只有几代人 我想到了一个不同的解决方案,我想称之为“动态人口”。它的工作原理如下:Machine learning 带“a”的进化算法;“动态人口”;,machine-learning,genetic-algorithm,evolutionary-algorithm,Machine Learning,Genetic Algorithm,Evolutionary Algorithm,我想用进化/遗传算法解决一个问题。这与艺术有关——观看算法的人应该尝试一条染色体(=可能的解决方案),并根据自己的喜好进行评估 使用这种设置,评估过程(也就是说)相当昂贵——测试每个染色体需要很多时间。为了确保在可行的时间内取得进展(这意味着代际更替频繁),我必须接受人口规模较小(这也有缺点)。另一个选择是拥有更大的人口规模,但只有几代人 我想到了一个不同的解决方案,我想称之为“动态人口”。它的工作原理如下: 对于群体大小x,为了设置算法,随机创建x染色体,并从1到x进行编号,这表示染色体的年龄
x
,为了设置算法,随机创建x
染色体,并从1到x
进行编号,这表示染色体的年龄
age=1
被分配给这个新染色体。所有其他染色体都会变老一步(age=age+1
)。年龄>x的染色体从人群中移除。(在交叉机制产生两条染色体作为后代的情况下,选择一个孩子获得age=1
,另一个孩子获得age=2
,其他染色体获得age=age+2
)- 如果您想要一个“逻辑原因”,那么请为您的问题选择一些现有的、数学上正确的模型,可能是一些高斯过程、基于多臂Bandit的方法,等等。如果您实际测试和评估的可能性有限(这似乎是您需要用户输入的情况)这看起来是最好的选择,所以没有进化
- 如果你有空闲时间,你可以进行一些实验,然后从现有的进化论方法中选择一种似乎适合你的需要的方法——科学家们已经面临类似问题的恐惧——只需谷歌搜索他们的论文
- 如果你有大量的时间,那么考虑一下你自己的策略,并对其进行测试、评估、修改-这是一个非常复杂(且昂贵)的过程,它不能保证任何结果(但会给你一些关于直觉的答案)
- 如果您想要一个“逻辑原因”,那么请为您的问题选择一些现有的、数学上正确的模型,可能是一些高斯过程、基于多臂Bandit的方法,等等。如果您实际测试和评估的可能性有限(这似乎是您需要用户输入的情况)这看起来是最好的选择,所以没有进化
- 如果你有空闲时间,你可以进行一些实验,然后从现有的进化论方法中选择一种似乎适合你的需要的方法——科学家们已经面临类似问题的恐惧——只需谷歌搜索他们的论文
- 如果你有大量的时间,那么考虑一下你自己的策略,并对其进行测试、评估、修改-这是一个非常复杂(且昂贵)的过程,它不能保证任何结果(但会给你一些关于直觉的答案)