كيفية العثور على أفضل المعلمات للخوارزمية الجينية؟

Question

بعض أطر الخوارزمية الجينية، مثل http://www.aforgenet.com/ يتطلب العديد من المعلمات، مثل معدل الطفرة، وحجم السكان، وما إلى ذلك

هناك أفضل الأرقام العالمية لمثل هذه المعلمات؟أعتقد أن ذلك يعتمد على المشكلة (تأخر وظيفة اللياقة البدنية، وتأخر الطفرة، وتأخر إعادة التركيب، ومعدل التطور، وما إلى ذلك).كانت فكرتي الأولى هي استخدام GA لتكوين GA آخر.

أي أفكار أفضل؟

Answer 1

في المرة الوحيدة التي قمت فيها ببرمجة خوارزمية جينية، قمت بتضمين هذه القيم في القيم لإجراء التحور، كما قلت بشكل أساسي باستخدام GA لتكوين نفسه.لقد نجح الأمر بشكل مدهش، خاصة وأنني وجدت أنه من المفيد أن تتغير هذه القيم على مدار عملية الحساب.

Answer 2

أجد أنه من المفيد التفكير في هذه المشكلات باعتبارها منظرًا طبيعيًا، حيث تحاول العثور على أدنى نقطة.

يتم استخدام أساليب مثل الخوارزميات الجينية عندما يكون المشهد كبيرًا جدًا لدرجة أنه لا يمكن اختبار جميع النقاط فقط، ويكون "شكل" المشهد بحيث تجعلك أساليب مثل النسب المتدرج عالقًا في الحدود الدنيا المحلية.

أحد الأمثلة الجيدة هو وظيفة Rastrigin (مرجع الصورة):
_{(مصدر: العلمية-الحوسبة.com)}
:

اختياراتك هي:

حجم الجيل:

• كبير جدًا:سيكون لديك وقت حقبة طويلة ، يقيد عدد فرص كل فرد استكشف جوارها.
• صغير جدًا:أنت لا تحصل على ما يرام تغطية مساحة البحث.

معدل الطفرة:

• مرتفع جدا:أنت تخاطر بالأفراد "القفز" فوق حل كانوا عليه قريب من.
• منخفض جدا:انهم جميعا سوف يتعثرون في الحد الأدنى المحلي.

لذلك يعتمد الأمر حقًا على مساحة البحث الخاصة بك.قم بتجربة المعلمات وحاول العثور على المجموعة المثالية.أوافق على أن استخدام GA آخر لتحسين المعلمات لن يحل المشكلة.

Answer 3

أجد أنه من المخيب للآمال إلى حد ما أن هناك العديد من الإجابات التي تفترض أنك لا تستطيع العثور على أفضل المعلمات للخوارزمية الجينية تلقائيًا. أوافق على أن المعلمات تعتمد على المشكلة ولكن هناك طرقًا يمكنك من خلالها العثور عليها.

بالإضافة إلى ذلك لا توجد نظرية غداء مجاني لا يمنعك بأي حال من الأحوال من العثور على أفضل المعلمات، حيث كانت هناك بالفعل مناقشات تعارض الحقيقة:

• عمليا لا يحمل
• قد يعارض طول الوصف النظرية
• التطور المشترك يمكن أن يجعل النظرية غير ذات صلة

هناك نوعان من إعدادات المعلمة:

• ضبط المعلمة (البحث عن المعلمة دون اتصال - قبل تشغيل GA)
• التحكم في المعلمات (تعديل المعلمات عبر الإنترنت - أثناء تشغيل GA)
  • التكيف
  • التكيف الذاتي
  • حتمية

هناك الكثير من المؤلفات التي تصف كيفية العثور على هذه المعلمات المثالية، ويعتمد الأمر على ما إذا كنت تريد إجراء بحث عن المعلمات دون الاتصال بالإنترنت أو عبر الإنترنت.الاعتقاد الشائع هو أن وضع عدم الاتصال بالإنترنت هو الأنسب لمعظم الحالات لأن طرق التحكم في المعلمات عبر الإنترنت ستضيف الكثير من التعقيد في وضع عدم الاتصال.

فيما يلي بعض الأمثلة للعثور على المعلمات "الأفضل":

ضبط المعلمة:

• عملية مسح بسيطة للمعلمات (جرب كل شيء)
• Meta-GA على قمة GA
• استراتيجية السباق للعثور على أفضل المعلمات
• Meta-GA و Racing معًا

التحكم في المعلمة:

• الاحتمالات التكيفية للطفرة والتقاطع
• حجم السكان التكيف الذاتي
• العوامل الوراثية الحتمية

وغيرها الكثير، ما عليك سوى البحث عن الأدبيات باستخدام الكلمات الرئيسية المستخدمة أعلاه.هناك طرق علمية لإيجاد المعلمات المناسبة لأي مشكلة معينة!

Answer 4

انها ليست سهلة.

لماذا؟بسبب لا وجبة غداء مجانية نظرية.هذا ينص في الأساس على أنه لا يوجد عام خوارزمية البحث التي تعمل بشكل جيد ل الجميع مشاكل.

أفضل ما يمكنك فعله هو تخصيص البحث عن ملف محدد مساحة المشكلة.سيتعين عليك تعديل معلماتك يدويًا لتناسب الحل الخاص بك.آسف.

يصبح استخدام GA للعثور على معلمات GA أمرًا معقدًا.كيف يمكنك العثور على المعلمات المثالية لبحث GAGA الخاص بك؟جي ايه آخر...؟

Answer 5

وهناك في الحقيقة ليست طريقة تلقائية للقيام بذلك لمجموعة بيانات معينة. إذا كان هناك، وأنها لن فضح تلك المعايير. باستخدام GA الثاني لضبط المعلمات من أول GA هو محفوف بالمخاطر - هل استخدام GA الثالث لضبط المعلمات من الثانية؟ حتى لو كنت فعلت ذلك، انها وصفة لoverfitting على أي حال.

ونصيحتي سيكون للعب مع المعلمات، ونرى كيف أنها تؤثر على distrubution السكان الخاص بك في كل جيل، كم من الأجيال ما يلزم للحصول على إجابة مقبولة، وما إذا كان لديك الكثير من الطفرة السكانية الخاصة بك وسوف تستقر أبدا . القليل جدا وسوف ينتهي بك الأمر مع التجانس.

وانها سر القذرة من الغاز الذي ضبط منهم هو فن وليس علما.

Answer 6

وكما قال الجميع، لا توجد إجابة واحدة. على الرغم من أن هناك بعض الميل إلى استخدام معدل انتقال على مستوى 0،7-0،9 وطفرة في 0،1-0،3 انها حقا يتوقف. يعتمد على المشكلة، قد تعتمد على وظيفة اللياقة البدنية، ويعتمد بالتأكيد على الخوارزميات الجينية نفسها. هناك العديد من الاختلافات GA، المعلمات المثلى لقد تختلف نفس المشكلة.

وأما بالنسبة لاستخدام GA لمعلمات تصل قيمتها إلى الهدف GA هناك نهج من هذا القبيل، ولكن، كما أشير إلى، وكيفية المعلمات لحن أول GA؟ نضع في اعتبارنا، أنه ربما معدل الطفرة ينبغي أن يكون أعلى في البداية، ومما ينبغي خفض بينما عبر أكثر من معدل ينبغي أن الازدياد. فمن قضية التنقيب مقابل الاستغلال. هناك أساليب للسماح GA تكون أكثر تكيفا والسماح لها تغيير معالمها فإنه يبحث عن حل. استخدام وحدات تحكم غامض في بعض الأحيان للتلاعب المعلمات من GA. وهناك أيضا مناهج أخرى.

إذا كنت تريد أن تعرف عنه أكثر، وشراء بعض الكتب، أو ننظر من خلال الأبحاث الأكاديمية.
إذا كنت بحاجة إلى الإعداد GA الخاص بك دون بحث مستفيض، حاول بعض القيم من عمل الآخرين، وتجربة معهم.