进化计算(一) |
您所在的位置:网站首页 › 阿玛尼分ga和ea是什么 › 进化计算(一) |
进化计算基本原理&遗传算法&GP
进化计算(EAs)DefinationClassificationKey Concept部分名词解释Parallel Search基本步骤可用EA解决的常见优化问题
遗传算法(GA)名词解释(Biology)名词解释(Algorithm)CodeSelection(1)轮盘赌-Roulette Wheel Selection(2)Rank Selection-分级选择(3)Tournament Selection-联赛选择(4)Elitism-精英策略(5)子代选择的方法适应度函数fitness的选取
遗传算法的一般步骤基本概念应用
遗传编程-GPGA vs. GPFunctions & TerminalsGP for Regression
本文参考链接
进化计算(EAs)
Defination
In computer science, evolutionary computation is a family of algorithms for global optimization inspired by biological evolution, and the subfield of artificial intelligence and soft computing studying these algorithms. In technical terms, they are a family of population-based trial and error problem solvers with a metaheuristic or stochastic optimization character. Classification进化计算包括遗传算法(Genetic Algorithms)、遗传规划(Genetic Programming)、进化策略(Evolution Strategies)和进化规划(Evolution Programming)4种典型方法。 Key Concept Population-Based Stochastic Optimization Methods(多点随机)Inherently Parallel (多点并行搜索,不容易陷入局部最优解)Metaheuristics(启发式) 部分名词解释 代数(generation):种群进化的代数,即迭代的次数;群体的规模(popsize):一般地,个体数量在整个进化过程中是不变的;当前解:新解的父解(parent,或称为父亲、父体等);后代解(offspring,或称为儿子、后代等):产生的新解;交叉重组:两父代个体随机匹配并将部分结构加以替换重组形成新个体。 Parallel SearchLocal search and Divide-and-Conquer(N维问题转换为多个一维问题)都容易造成局部最优。因此,需要采用Parallel并行搜索的方式进行优化,即Population-Based。 基本步骤进化计算的基本步骤包括基因编码(适于计算机处理)、选择(根据适应度函数)、复制(Elitism)、交叉重组(繁衍后代)和变异(提高随机性)。其中选择和交叉重组完成了大部分搜索功能,而变异则可以防止陷入局部最优解。基本步骤如下: Codeing:将实际问题转换为计算机可以执行的问题; Objective Function:待求解的目标函数 Domain Knoeledge:对自变量的约束 Evolutionary Search:评价(适应度函数)——选择——杂交(交叉重组)——突变(变异) 可用EA解决的常见优化问题TSP:Travelling Salesman Problem。不一定能求出最优解,只能收敛于(近似逼近)最优解,得到一个次优解,因为他们本质都是随机算法,大多都会以类似“一定概率接受或舍去”的思路去筛选解。 使用遗传算法求解旅行商问题 in Java; Knapsack Problem:背包问题。使用遗传算法求解背包问题 in Python; Bin Packing Problem等。 遗传算法(GA) 名词解释(Biology) 基因:DNA片段Gene Trait:基因性状(基因控制的特性外在表现形式)Allele:某一性状的可能取值Genotype:具体基因型Phenotype:基因特性的外在表现(不同Genotype可能对应相同的Phenotype) 名词解释(Algorithm) Individual:个体,表示目标函数特定解的一个向量(多变量);Population:种群,a set of individual(Evolve based on population—>Global Optimization);Offspring:后代,交叉重组产生的new individuals;encoding:编码方式,Binary vs.Gray。(Gray:任意两个相邻编码之间汉明距离均为1。实际应用中,每次仅变化1位,不存在多位变化的同步问题,相对stable) Code遗传算法(GA)中的编码方式-二进制编码、格雷编码、实数编码。 Selection (1)轮盘赌-Roulette Wheel Selection适应度高的在轮盘上所占面积大,即适应度越高被选中的概率越大。轮盘赌算法基本步骤:link。 缺点: 适应度为负值无法表示概率。适应度的值不确定可能会导致资源过度集中。(某一个体适应度的值过高) (2)Rank Selection-分级选择不直接使用原始适应度的值,而是对其进行排序(适应度越高,Rank等级越高)后利用排序值进行轮盘赌。采用该种方法就可以缩小差距,同时解决负数问题。 (3)Tournament Selection-联赛选择N个Individuals为一组进行比较,胜者(适应度最大的)被选中。其中,Tournament Size即N对选择结果的影响较大。若N=2,则倒数第一个不会被选中;若N=3,则倒数第一和倒数第二个不可能被选中。 (4)Elitism-精英策略由于进化的随机性,需要保证当前种群中的最优解不被交叉重组破坏或不被lost(若best solution被破坏,可能导致收敛不稳定)。因此,采用copy的方法,将当前generation的best solution复制到next generation。 (5)子代选择的方法 子代完全替换父代子代与父代混合后再进行Selection最终保证群体规模不变。 适应度函数fitness的选取可以参考该篇博客,但需要注意举例3选取的适应度函数中max分母中f(x)前为‘-’,min分母中f(x)前为+。 遗传算法的一般步骤 基本概念重要词汇:Chromosome(Coding/Representation)、Crossover、Mutation、Selection 基本思想: 将每一个solution编码表示成一个chromosome;随机生成多个chromosome作为初始solution;经过适应度计算、选择、交叉重组、变异更新迭代。基本步骤:首先实现从性状到基因的映射,即编码工作;然后从代表问题可能潜在解集的一个种群开始进行进化求解,即种群初始化工作;初代种群产生后,按照优胜劣汰的原则,根据个体适应度大小挑选个体(选择);随后进行复制(精英策略)、交叉、变异(产生子代,防止陷入局部最优),产生出代表新的解集的群体。重新对其进行选择、复制、交叉、变异…如此往复,逐代演化产生出越来越好的近似解。 应用示例1:遗传算法用于特征选择 特征选择基本原理 从初始特征中选择特征子集:降维或去除相关性期望达到的目标:降低训练难度;加快运行速度;高精确度;更好的理解力方法:Filter Method—不考虑具体使用的分类器的特性;Wrapper Method—将分类器的属性也考虑在特征选择当中(即分类器不同特征选择结果也不同)。利用GA进行特征选择 维度过高时可以先降维再GA,效果可能会更好。 示例2:使用GA完成聚类cluster cluster:基于一些相似性度量(similarity metric)的方法将一组数据划分为K组的过程——无监督式学习(无标签数据)。 常用的聚类方法:K-Means 缺点:对初始K个点的选取不宜把控,容易陷入局部最优。使用遗传算法做聚类时,主要目的就是为了选取最合适的K个中心点。基本步骤如下: 更多示例: 利用遗传算法更新神经网络参数的理解. 遗传编程-GP GA vs. GP Functions & Terminals实际在进化的是一个Tree,而不是一组value。 Crossover of Tree:两棵树的子树进行交换。此处,杂交后的维度由3->4,与GA算法中种群规模始终不变有所区分,变得更加灵活。 此外,在GA中相同父代之间进行的交换并无意义(交换后产生的子代不变)。而在GP中,是对Tree进行杂交,则完全有可能产生一个新的子代,即在GP中相同父代杂交可以得到不同的后代。这进一步体现了GP的灵活性。 Mutation of Tree GP for Regression使用某一公式生成一系列data,使用GP根据data推出原始公式。 随机生成一些Tree代表可能的candidate;依次求出原始曲线与该曲线之间的误差;(曲线间面积)crossover&mutation—>ground truthMore applications:Control problem\classfication… 本文参考链接进化计算概念; 进化计算1; 进化计算2; 课程; |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |