遺伝的プログラムを進化させるとき、開発の異なる段階の間に必要な時間はどのように分布していますか?私は、90%の時間が無作為プログラムより少し良くなることに専念しているのですが、その後で最終バージョンまでプログラムを改善するのはあまり計算集約的ではありませんか?遺伝的プログラムの段階
2
A
答えて
0
一般的に進行状況は早く、遅い世代では進行が遅くなります。しかし、それは問題の性質に依存します。なぜいくつかの異なる問題でそれをテストし、進捗をプロットしないでください?
0
これに対するおおよその目安は、プログラムのサイズです。プログラムのサイズが安定しても、フィットネスが改善していることに気がついた場合、すべてのランダムなプログラムが除外される可能性が最も高いです。したがって、フィットネスの改善は、係数の小さな数値変化に起因する可能性があります。
1
メタヒューリスティクス(遺伝的アルゴリズムを含む)は、この画像の緑色と赤色の線のような進歩を遂げています。彼らはできるだけ早く最高のスコアに到達しようとすると、より良いスコアを見つけるのが難しくなります。
しかし、いくつかの(焼きなまし法、青線のような)は、彼らが与えられたことでしょう」とは異なることに基づいて振る舞うの時間を伝えることができます。そのような場合には、より直線的な線を得ることができます。
+0
を参照してください。質問は次のとおりです。*遺伝アルゴリズムは、与えられた時間と所要時間の合計を認識していますか?それはそれを使用していますか?* –
関連する問題
- 1. 遺伝的アルゴリズムのコアアルゴリズム
- 2. 遺伝的アルゴリズムの選択
- 3. 遺伝的プログラミングの実装
- 4. 遺伝的アルゴリズムトーナメントの選択
- 5. ディープコピーと遺伝的アルゴリズム
- 6. Scala用遺伝的アルゴリズムライブラリ
- 7. 遺伝的プログラミングStackoverflowエラー
- 8. 遺伝的アルゴリズムSVM後
- 9. 遺伝的アルゴリズムにおける遺伝子と染色体の表現
- 10. 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
- 11. PyBrainの遺伝的アルゴリズムの例/チュートリアル?
- 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. 遺伝的アルゴリズムの並列実行
- 15. 構造体/遺伝的アルゴリズムの使用
- 16. 遺伝的アルゴリズムフレームワークの悪いランダム化
- 17. 遺伝的アルゴリズムの時間複雑度
- 18. 遺伝的アルゴリズムコードのランキング選択
- 19. 遺伝的アルゴリズムの選択演算子
- 20. C++:可変テンプレートパラメータ(遺伝的アルゴリズム用)
- 21. ニューラルネット最適化遺伝的アルゴリズム
- 22. 遺伝的プログラミングと検索アルゴリズム
- 23. 近親交配係数/遺伝的アルゴリズム
- 24. 遺伝的プログラミングにおけるテストケースの動的数は?
- 25. 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
- 26. 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
- 27. 段階的プログラミング - ジェイクBolewskiのスピーチ
- 28. lazy-seqの段階的な例
- 29. ボットファーザーの段階的なボット(テレグラム/ルビー)
- 30. Pythonでの段階的回帰
http://en.wikipedia.org/wiki/Genetic_programmingおよびhttp://www.genetic-programming.org/ – Kiril