1、“.....遗传算法是什么表示方法方法的选择变化的方法其他解决问题的技术简明地说,遗传算法是种编程技术,模仿生物进化作为个解决问题的策略。给定个特定的问题解决,遗传算法的输入是组潜在的解决这问题,以种方式编码,度量称为适应度函数,允许每个候选人进行定量评估。这些候选人可能解决方案已知工作,的目的是改善,但更多的则是随机生成的。然后评估每个候选人根据适应度函数。池中随机生成的候选人,当然,大多数不会工作,这些将被删除。然而,纯粹是个偶然的机会,几个可能持有的承诺他们可能显示活动,即使是软弱和不完美的活动,对解决这问题。这些有前途的候选人保持和允许复制。是由多个副本,但副本并不完美,在复制过程中介绍了随机变化。这些数字的后代进入下代,形成个新游泳池的候选解决方案,并接受第二轮健康评估......”。

2、“.....或没有更好,再次修改他们的代码删除了但是,纯粹的偶然,随机变化引入人口可能改进的些人,让他们成为更好更完整的或更有效的解决眼前的问题。这些再次赢得个人选择和复制到下代随机变化,和重复的过程。预计平均健身的人口将会增加每轮,所以通过重复这个过程为成百上千的轮,很好的解决这问题可以被发现。惊人的和违反直觉的是,遗传算法已被证明是个非常强大的和成功的解决问题的策略,极大地展示的力量进化原则。遗传算法已被用于各种领域发展问题解决方案样困难或更困难比人类所面临的设计师。此外,他们想出的解决方案通常更有效率,更优雅,更复杂的比可比人类工程师会产生。在些情况下,遗传算法已经提出了解决方案,挡板的程序员写的算法首先,表示方法在遗传算法可以工作在任何问题,需要种方法来编码......”。

3、“.....个常见的方法是作为二进制字符串编码解决方案和的序列,其中每个位置的数字表示解决方案的些方面的价值。另个类似的方法,编码解决方案作为整数或小数的数组,每个位置再次代表些解决方案的特定方面。这种方法允许更大的精度和复杂度比仅使用二进制数的相对限制方法,经常直观地接近问题空间弗莱明和,。这种技术被使用,例如,在的工作,写个遗传算法来预测蛋白质的三维结构的基础上进入它的氨基酸序列米切尔,。的使用元数据来代表所谓的扭转角度之间的连接于所谓神经元的激活阈值,激活神经元本身,将自己的信号传递给下层神经元。激活的模式因此向前传播,直到它到达输出层和有作为解决返回输入。就像在生物有机体的神经系统,神经网络学习和调整他们的性能随着时间的推移,通过重复轮调整阈值......”。

4、“.....这个过程可以由人类实验者监管或自动运行使用学习算法米切尔,年页。遗传算法被用来构建和训练神经网络。图个简单的前馈神经网络,个输入层神经元组成的四个,个隐藏层神经元组成的三个,和个输出层组成的四个神经元。数量在每个神经元代表其激活阈值它只会火,如果收到至少,许多输入。在显示个图表显示了神经网络输入字符串并显示如何激活扩散通过网络转发给生成个输出。爬山算法类似于遗传算法,虽然更加系统化和随机的,爬山算法最初始于个解决问题的办法,通常是随机抽取的。字符串然后突变,如果突变导致更高的健康比前个新的解决方案,新解决方案保存否则,目前的解决方案是保留。算法,然后重复,直到没有发现突变可以导致增加当前解决方案的健身,和这个解决方案作为结果返回年,。了解这种技术的名字来自何方......”。

5、“.....给定的坐标集景观代表个特定的解决方案。这些解决方案更好更高的高度,形成山,山峰,那些更糟糕的海拔较低,形成的山谷。然后个算法,在给定的点开始无情地艰苦的景观和动作。爬山是所谓的贪婪算法,这意味着它总是最好的选择可以在每步,希望整体可以实现最好的结果。相比之下,如遗传算法和模拟退火方法,下面讨论,不是贪婪的,这些方法有时做出理想的选择,希望他们以后将导致更好的解决方案。模拟退火另种优化技术类似于被称为模拟退火进化算法。这个想法借它的名字从工业退火过程中材料加热到临界点以上软化,然后逐渐冷却,以消除缺陷的晶体结构,生产更加稳定和常规晶格的原子排列豪普特博士和豪普特博士,在模拟退火和遗传算法,是种适应度函数,定义了个健身景观然而,在天然气......”。

6、“.....模拟退火还增加了温度的概念,个全球性的数字量,随着时间的推移逐渐减少。在算法的每步,解决变异相当于移动到个相邻的点的健身景观。健身的新解决方案是比较健康的以前的解决方案如果它是高,新的解决方案。否则,算法作出决定是否要保留还是删除它基于温度。如果温度很高,因为它是最初,甚至改变导致显著降低健身可以保持和使用作为下轮的基础算法,但是随着温度降低,算法变得越来越倾向于只接受变化。最后,温度达到零,系统冻结,无论配置在此时成为了解决方案。模拟退火通常用于工程设计应用,如确定组件在个计算机芯片的物理布局柯克帕特里克,和。氨基酸的肽债券。种蛋白质是由系列的基本构建块称为氨基酸,这是连接在起的链接。旦所有的氨基酸有关,蛋白质折叠成个复杂的三维形状基于氨基酸相互吸引和哪些相互排斥......”。

7、“.....遗传算法训练神经网络也经常使用这种编码方法。第三种方法是代表个人的作为字符串字母,再次,每个字母代表个特定方面的解决方案。这种技术的个例子是北野的语法编码的方法,在遗传算法的任务是发展套简单的规则称为上下文无关文法,反过来用于生成各种问题的神经网络米切尔,。这三种方法的优点是,他们可以很容易定义运营商导致的随机变化选择候选人翻转个到,反之亦然,添加或减去数量由个随机选择的价值金额,或改变个字母到另个地方。见章节的方法改变关于遗传算子的更多细节。另个策略,主要是由美国斯坦福大学的约翰•科扎和遗传规划,代表项目分支数据结构称为树年,。在这种方法中,随机变化可以带来改变运营商或改变值在给定节点树,或与另个取代个子树。图三个简单程序的树木通常用于遗传规划。的数学表达式......”。

8、“.....重要的是要注意,进化算法不需要代表候选解决方案为固定长度的数据字符串。些代表他们在这种方式,但别人不愿这样做例如,北野的语法编码上面讨论可以有效地扩展创建大型和复杂的神经网络,和遗传规划树可以任意大的必要的应用来解决任何问题。方法的选择有许多不同的技术,遗传算法可以用来选择个人被复制到下代,但下面列出的是些最常见的方法。这些方法是相互排斥的,但其他人可以和往往是结合使用。精英选择最适合每代的成员是保证被选中。大多数气体不使用纯粹的精英主义,而是使用种修改的最好的地方,或几个最好的,从每代个体复制到下代以防没有更好的出现。选择更适合个人更有可能,但不确定,选择。轮盘赌选择种选择的个体被选中的概率成正比的数量健身是大于或小于其竞争对手的健康。从概念上讲,这可以表示为个轮盘赌的游戏......”。

9、“.....但更适合的片比不太适合的。然后旋转轮,无论个人拥有的部分土地每次选择。缩放选择随着人口的平均健康增加,选择压力的强度也会增加,适应度函数变得更加挑剔。这个方法可以有助于使最好的选择稍后当所有个人有相对较高的健康和健身区分个从另个只有微小的差异。锦标赛选择个人选择的子组更大的人口,和每个子群的成员相互竞争。只有个个人从每个子群选择繁殖。选择每个人的人口被分配个数值排名基于健身,和选择是基于这个排名而不是绝对健康的差异。这种方法的优点是,它可以阻止非常适合个人获得早期的主导地位不太适合的,这将减少人口的遗传多样性,可能阻碍尝试找到个可接受的解决方案。世代选择从每代个体的后代选择成为整个下代。几代人之间没有个人留存。稳态选择从每代个体的后代选择回到预先存在的基因库......”。