スキーマは遺伝的アルゴリズムが最適解を得るのにどのように役立つでしょうか?スキーマとは、人口のすべての人が同じスキーマを持つことを意味します。遺伝的アルゴリズムでスキーマを使用する目的は正確には何ですか?
答えて
長い答え:http://en.wikipedia.org/wiki/Holland%27s_schema_theorem
短い答え:
スキーマが集団に適用される "マスク" です。そのマスクと一致する個体の数を数えます。したがって、スキーマはソリューションの一部の特性の一種です。
スキーマの適合度が平均よりも優れていると、オランダが正しく理解していれば、より多くの人がそのスキーマに一致します。
スキーマは遺伝的アルゴリズムとは無関係です。彼らはただそこで話しているだけです。オランダは彼らの存在を特定し、遺伝的アルゴリズムの能力に関連しており、それがなぜGAに関連しているのかを示しています。
****, 0***, 1***, *0**, *1**, 00**, 10**, 01**, 11**, etc.
これらのスキーマは常に存在します。
長さ4のいずれかのビット列のためには、スキーマの数を識別することができます。個人は同時に多くのそのようなスキーマの一部です。すべての個人は4 *スキーマの一部になりますが、正面に0を持つスキーマのみが0 ***スキーマの一部になります。
ここで、遺伝的アルゴリズムとの関係があります。アクティブなスキーマタイプは、全人口のすべての人によって決定されます。どのスキーマが強いかは、複数の個人の存在によって決定されます。集団内の多くの人が4位に「1」を持っている場合、強いスキーマは0 ** 1のように見えます。特定のスキーマに一致する個人が多いほど、そのスキルは強くなります。スキーマの適合度は、スキーマと一致するすべての個人の平均適合度です。オランダは、フィットネス比例選択、一点クロスオーバー、およびビットフリップ突然変異の平均以上のスキーマを使用すると、進化のプロセスよりも指数関数的に強くなると言います。スキーマが強くなる必要があるのはなぜですか?スキーマの順序が高ければ高いほど、検索プロセスで混乱する可能性が高くなります。しかし、そのスキーマが複数の個人に存在する場合、確率はすべての個人に対して再び減少する。
- 1. 構造体/遺伝的アルゴリズムの使用
- 2. ディープコピーと遺伝的アルゴリズム
- 3. 遺伝的アルゴリズムのコアアルゴリズム
- 4. 遺伝的アルゴリズムの選択
- 5. 遺伝的アルゴリズムSVM後
- 6. C++:可変テンプレートパラメータ(遺伝的アルゴリズム用)
- 7. PYTHON:ライブラリ/ツールの遺伝的アルゴリズムと多目的最適化
- 8. Pythonの遺伝的アルゴリズムのデータ型はどれですか?
- 9. 遺伝的プログラミングの目的でJavaでバイナリツリーを作成する
- 10. 遺伝的アルゴリズム - 定常状態の選択とは何ですか?
- 11. 遺伝的アルゴリズムと進化戦略の違いは何ですか?
- 12. 遺伝的アルゴリズムとタイムテーブルのシミュレーテッドアニーリング
- 13. 遺伝的アルゴリズム:リクエストの最適化
- 14. ニューラルネット最適化遺伝的アルゴリズム
- 15. 遺伝的アルゴリズムの並列実行
- 16. 遺伝的プログラミングと検索アルゴリズム
- 17. フローショップスケジューリングのための遺伝的アルゴリズム
- 18. 遺伝的アルゴリズムの時間複雑度
- 19. PyBrainの遺伝的アルゴリズムの例/チュートリアル?
- 20. 遺伝的アルゴリズムの選択演算子
- 21. 近親交配係数/遺伝的アルゴリズム
- 22. タイムテーブルの生成Javaの遺伝的アルゴリズムを使用して
- 23. 遺伝的アルゴリズムにおける遺伝子と染色体の表現
- 24. Scala用遺伝的アルゴリズムライブラリ
- 25. この遺伝的アルゴリズムをどのようにコーディングするのですか?
- 26. どのような遺伝的アルゴリズム/プログラミングライブラリを使用していますか?
- 27. 遺伝的アルゴリズムの終了条件に関するブックソース
- 28. 遺伝的アルゴリズムを使用して3D位置を検索する
- 29. 遺伝的アルゴリズムを用いたニューラルネットワークの質問
- 30. 遺伝的アルゴリズムを用いた文書の分類、
スキーマは、GAを理論的に説明する初期の試みでした。それにはいくつかの可能性があった。 EAはますます複雑になり始めたので、EAは失敗しました。歴史的な理由からちょうどそこにあります。ほとんどの場合、EPとESは実ベクトルを使用するためです。 – user