genetic-algorithm - 应用于曲线拟合的遗传算法

Question

假设我有一个未知函数，我想通过遗传算法来近似它。对于这种情况，我假设它是 y = 2x。

我有一个由 5 个元素组成的 DNA，每个 x 一个 y，从 x = 0 到 x = 4，其中，经过大量试验和计算，我会接近以下形式:

best_adn = [ 0, 2, 4, 6, 8 ]

请记住，我事先不知道它是线性函数、多项式还是更丑陋的东西，而且，我的目标不是从 best_adn 推断函数的类型是什么，我只想要这些点，所以我以后可以使用它们。

这只是一个示例问题。就我而言，DNA 中不是只有 5 个点，而是有 50 或 100 个点。使用 GA 找到最佳点集的最佳方法是什么？

产生100人口，
丢弃更差的 20%

重组剩下的80%？如何？
在随机点切割它们并
然后把第一个放在一起
父亲的 ADN 的一部分
母亲的ADN的第二部分？

突变，我应该如何定义
这种问题突变？

是否值得使用精英主义？

任何其他值得使用的简单想法
大约？

谢谢

Answer 1

通常你只能通过实验找到这些……也许编写一个 GA 来调整你的 GA。

但除此之外，我不明白你在问什么。如果你不知道函数是什么，也不知道相处的要点，你如何确定适应度？

从我目前对这个问题的理解来看，这更适合神经网络。

编辑:

2.重组剩下的80%？如何？在随机点切割它们，然后将父亲的 ADN 的第一部分与母亲的 ADN 的第二部分放在一起？

这称为交叉。如果你想变得有趣，做一些事情，比如选择一个随机的起点并交换一个随机的长度。例如，一个对象中有 10 个元素。在 1 到 10 之间随机选择一个点 X 并交换 x..10-rand%10+1.. 你得到了图片......给它加点料。

3.Mutation，这种问题的mutation应该如何定义？
通常，这更多地取决于定义为合法解决方案的内容，而不是其他任何内容。你可以用与交叉相同的方式进行变异，除了你用随机数据填充它(这是合法的)而不是与另一个样本交换......而且你以低得多的速度进行。

4.是否值得使用精英主义？
实验并找出答案。