機(jī)器學(xué)習(xí)：遺傳算法-資料下載頁(yè)
2025-08-01 15:04本頁(yè)面
【正文】 克在 19世紀(jì)末提出，多代的進(jìn)化直接受到個(gè)別生物體在它們生命期間的經(jīng)驗(yàn)的影響 – 目前的科學(xué)證據(jù)不支持拉馬克模型 – 但近來(lái)的計(jì)算機(jī)研究表明，拉馬克過(guò)程有時(shí)可以提高計(jì)算機(jī)遺傳算法的效率 機(jī)器學(xué)習(xí) 遺傳算法 作者： Mitchell 譯者：曾華軍等 講者：陶曉鵬 29 進(jìn)化和學(xué)習(xí)模型（ 2） ? 鮑德溫效應(yīng) – 通過(guò)個(gè)體學(xué)習(xí)改變進(jìn)化進(jìn)程的機(jī)制 – 基于以下現(xiàn)象 ? 如果一個(gè)物種在一個(gè)變化的環(huán)境中進(jìn)化，那么進(jìn)化的壓力會(huì)支持有學(xué)習(xí)能力的個(gè)體，這種學(xué)習(xí)能力可以使個(gè)體在其生命期間執(zhí)行一種小的局部搜索，以最大化它的適應(yīng)度，相反，不學(xué)習(xí)的個(gè)體的適應(yīng)度完全取決于它的遺傳結(jié)構(gòu)，會(huì)處于相對(duì)劣勢(shì) ? 具備學(xué)習(xí)能力的個(gè)體可以通過(guò)學(xué)習(xí)克服遺傳代碼中的“丟失的”或“并非最優(yōu)的”特性，從而支持更加多樣化的基因池，然后促進(jìn)適應(yīng)性更加快速地進(jìn)化 – 提供了一種間接的機(jī)制，使個(gè)體的學(xué)習(xí)可以正面影響進(jìn)化速度 機(jī)器學(xué)習(xí) 遺傳算法 作者： Mitchell 譯者：曾華軍等 講者：陶曉鵬 30 進(jìn)化和學(xué)習(xí)模型（ 3） ? 人們一直努力開(kāi)發(fā)研究鮑德溫效應(yīng)的計(jì)算模型 – Hinton amp。 Nowlan1987對(duì)一個(gè)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的群體進(jìn)行試驗(yàn) – 在一個(gè)網(wǎng)絡(luò)個(gè)體的“生命期”間，它的一些權(quán)值是固定的，而其他權(quán)是可被訓(xùn)練的 – 在群體進(jìn)化初期的各代中，具有很多可訓(xùn)練權(quán)值的個(gè)體占據(jù)較大的比例 – 隨著進(jìn)化的進(jìn)行，群體向著遺傳給定權(quán)值和較少依賴個(gè)體學(xué)習(xí)權(quán)值的方向進(jìn)化，正確的固定權(quán)值的數(shù)量趨于增長(zhǎng) 機(jī)器學(xué)習(xí) 遺傳算法 作者： Mitchell 譯者：曾華軍等 講者：陶曉鵬 31 并行遺傳算法 ? 遺傳算法很自然地適合并行實(shí)現(xiàn) ? 粗粒度并行方法 – 把群體細(xì)分成相對(duì)獨(dú)立的個(gè)體群，稱為類屬，然后為每個(gè)類屬分配一個(gè)不同的計(jì)算節(jié)點(diǎn)，在每個(gè)節(jié)點(diǎn)進(jìn)行標(biāo)準(zhǔn)的 GA搜索 – 類屬之間的通信和交叉發(fā)生的頻率與類屬內(nèi)相比較低，類屬之間的交換通過(guò)遷移來(lái)進(jìn)行，也就是某些個(gè)體從一個(gè)類屬?gòu)?fù)制或交換到其他類屬 – 這個(gè)過(guò)程模擬了以下的生物進(jìn)化方式，即自然界中異體受精可能發(fā)生在分離的物種子群體之間 – 這種方法的一個(gè)好處是減少了非并行 GA經(jīng)常碰到的擁擠問(wèn)題 ? 細(xì)粒度并行方法 – 給每個(gè)個(gè)體分配一個(gè)處理器，然后相鄰的個(gè)體間發(fā)生重組 機(jī)器學(xué)習(xí) 遺傳算法 作者： Mitchell 譯者：曾華軍等 講者：陶曉鵬 32 小結(jié) ? 遺傳算法用一種隨機(jī)化的并行爬山搜索來(lái)發(fā)現(xiàn)使預(yù)先定義的適應(yīng)度函數(shù)最優(yōu)的假設(shè) ? 遺傳算法基于對(duì)生物進(jìn)化的模擬，維護(hù)一個(gè)由競(jìng)爭(zhēng)假設(shè)組成的多樣化群體，在每一次迭代中，選出群體中適應(yīng)度最高的成員來(lái)產(chǎn)生后代，替代群體中適應(yīng)度最差的成員 ? 遺傳算法闡明了如何把學(xué)習(xí)過(guò)程看成最優(yōu)化過(guò)程的一個(gè)特例，學(xué)習(xí)任務(wù)就是根據(jù)預(yù)先定義的適應(yīng)度函數(shù)發(fā)現(xiàn)最優(yōu)假設(shè) ? 遺傳編程是遺傳算法的變體，在遺傳編程中，被操作的假設(shè)是計(jì)算機(jī)程序而不是位串 機(jī)器學(xué)習(xí) 遺傳算法 作者： Mitchell 譯者：曾華軍等 講者：陶曉鵬 33 補(bǔ)充讀物 ? 在計(jì)算機(jī)科學(xué)發(fā)展的早期，人們就開(kāi)始探索基于進(jìn)化的計(jì)算方法（ Box195 Bledsoe1964） ? Rechenberg1965,197 Schwefel1975,1977,1995開(kāi)發(fā)的進(jìn)化策略用來(lái)優(yōu)化工程設(shè)計(jì)中的數(shù)字參數(shù) ? Folgel amp。 Owens amp。 Walsh1966開(kāi)發(fā)了進(jìn)化編程，作為進(jìn)化有限狀態(tài)機(jī)的一種方法 ? Koza1992介紹了遺傳編程，把遺傳算法的搜索策略應(yīng)用到由計(jì)算機(jī)程序組成的假設(shè)中 ? K. Dejong和他的學(xué)生開(kāi)發(fā)了使用 GA學(xué)習(xí)規(guī)則集的方法，每個(gè)規(guī)則集是競(jìng)爭(zhēng)假設(shè)組成的群體的一個(gè)成員 ? Holland和他的學(xué)生設(shè)定每個(gè)規(guī)則是群體的一個(gè)成員，群體本身是一個(gè)規(guī)則集 機(jī)器學(xué)習(xí) 遺傳算法 作者： Mitchell 譯者：曾華軍等 講者：陶曉鵬 34 補(bǔ)充讀物（ 2） ? Mitchell1996和 Goldberg1986給出了有關(guān)遺傳算法的兩本教材 ? Koza1992關(guān)于遺傳編程的專著是對(duì)遺傳算法擴(kuò)展到操作計(jì)算機(jī)程序的標(biāo)準(zhǔn)參考書(shū) ? 會(huì)議 – 遺傳算法國(guó)際會(huì)議（主要會(huì)議） – 自適應(yīng)行為仿真會(huì)議 – 人工神經(jīng)網(wǎng)絡(luò)和遺傳算法國(guó)際會(huì)議 – IEEE進(jìn)化計(jì)算國(guó)際會(huì)議 ? 雜志 – 進(jìn)化計(jì)算雜志 – 機(jī)器學(xué)習(xí)
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1