資料庫(kù)行銷基因演算法(參考版)
2025-08-04 14:12本頁(yè)面
【正文】 基因演算法 適配函數(shù)決定加權(quán)值在系統(tǒng)內(nèi)的比重 基因演算法利用選擇、交配和突變訓(xùn)練母群體 產(chǎn)生極佳預(yù)測(cè)效果的類神經(jīng)網(wǎng)路 ? 群聚 (crowding) – 基因演算法不足之處在於，這一代的整個(gè)群體會(huì)完全被下一代取代 – 群聚使被取代的目標(biāo)通常是相似性較高的次群體 ? 成對(duì) (diploid)染色體 – 演算特性跟單倍染色體差不多 ，均有 選擇、交配和突變 – 不同之處在於每個(gè)基因都有另ㄧ個(gè)成對(duì)的基因 – 若兩者相同 ，就沒(méi)問(wèn)題；若不相同，則加入顯性訊息於其中一個(gè) – 簡(jiǎn)易演算法之外 ? 產(chǎn)生可解釋的結(jié)果 ? 結(jié)果易於應(yīng)用 ? 可以處理的資料類型範(fàn)圍極大 ? 可以用在最適化 (optimization)的問(wèn)題上 ? 和類神經(jīng)網(wǎng)路結(jié)合容易 基因演算法的優(yōu)點(diǎn) ? 許多問(wèn)題有編碼 (encoding)上的困難 ? 不保證最適化 ? 運(yùn)算成本極高 ? 可以運(yùn)用的商業(yè)套裝軟體不多 基因演算法的缺點(diǎn) THE END Thanks for listening! 。 基因演算法 2 0 4 3 1 5 W24 輸出節(jié)點(diǎn) W23 W14 W13 W04 W03 W36 W45 輸入節(jié)點(diǎn) 1 輸入節(jié)點(diǎn) 3 輸入節(jié)點(diǎn) 2 W03 W04 W13 W14 W23 W24 W35 W45 10110001 不需要確實(shí)了解類神經(jīng)網(wǎng)路如何運(yùn)作 這些加權(quán)值組成一個(gè)基因組 基因演算法才能將其最適化 每個(gè)加權(quán)值介於 0與 1之間 ， 是由許多位元組成 。 基模定理 (Schema Theorem) 基因 適配度 10100 238 11001 150 00110 150 10110 176 基模 : 1***1， 10*** 基因 適配度 10110 176 11011 150 00010 58 10110 176 交配 ? 不確定平行理論 (Implicit parallelism) – 若每一代有 n個(gè)不同的基因組 ， 則需處理 n^3個(gè)基模 。 (包括基模 0**、 *0*、 *00、 0*0、 **0、 ***等 ) ? 基模的適配值 =(N個(gè)基因組適配值總和 )/
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1