artificial-intelligence - 神经网络和进化算法的区别

Question

我对进化算法有很好的基础，所以现在我开始阅读人工神经网络。我遇到了这个教程
http://www.ai-junkie.com/ann/evolved/nnt2.html ,
展示如何使用人工神经网络来进化收集地雷的坦克。它使用 GA 来演化每个神经元的输入权重。

我知道我可以使用 GA(没有 ANN)来解决同样的问题。我已经创建了一个俄罗斯方块机器人，仅使用 GA 来优化网格评估函数中的权重(查看我的博客 http://www.bitsrandomicos.blogspot.com.br/)。

我的问题是:在我可以单独使用 GA 的情况下，使用 ANN + GA 之间的概念/实际区别是什么？我的意思是，我的俄罗斯方块机器人是 ANN 吗？(我不这么认为)。

有几个相关的问题，但我找不到答案:

Are evolutionary algorithms and neural networks used in the same domains?

When to use Genetic Algorithms vs. when to use Neural Networks?

谢谢!

Answer 1

A 遗传算法是 优化算法 .

安 人工神经网络是 函数逼近器 .为了逼近一个函数，你需要一个优化算法来调整权重。 ANN 可用于监督学习(分类、回归)或强化学习，有些甚至可用于无监督学习。

在监督学习中，像遗传算法这样的无导数优化算法比大多数使用梯度信息的优化算法慢。因此，只有在强化学习中使用遗传算法来进化神经网络才有意义。这被称为“神经进化”。在这种设置中，多层感知器等神经网络的优势在于，当它们具有足够数量的隐藏节点时，它们可以以任意精度逼近任何函数。

当您创建俄罗斯方块机器人时，您不一定必须使用 ANN 作为函数逼近器。但是您需要某种函数逼近器来表示您的机器人的策略。我想它只是比 ANN 简单。但是当你想创建一个复杂的非线性策略时，你可以这样做 e。 G。用人工神经网络。