Belirli bir sistemi modellemek için genetik algoritma için uygun sayıda parametre nasıl seçilebilir?
Örneğin, otomobil üretimini optimize etmek istediğinizi ve 1000 farklı çalışanın her biri için çeşitli görevlerde 1.000 saatlik saatlik verimliliğiniz olduğunu varsayalım. Yani 1.000.000 veri noktanız var. Bunların birçoğu, fabrikanızın genel verimliliği ile zayıf bir şekilde ilişkili olabilir, ancak istatistiksel güvenle alakasız olduklarını söyleyebileceğiniz kadar zayıf değildir . 1.000.000+ serbestlik derecesine sahip olmamanız için GA'nız için girdi seçmeye nasıl devam edersiniz, bu da çok yavaş yakınsamaya veya hiç yakınsamaya neden olmaz?
Özellikle, özellikleri önceden seçmek veya seçici olarak ortadan kaldırmak için kullanabileceğiniz algoritmalar nelerdir?
Bu senaryoda kendim kullandım bir yaklaşım ben gibi anne olabilir, böylece parametre seçimi kendisi gelişmeye olduğunu {a,b,c}
, {b,d,e,q,x,y,z}
ve benzeri. Daha sonra özellikleri eklemek veya bırakmak için çocukları değiştirirdim. Bu birkaç düzine özellik için iyi çalışır. Ancak sorun, çok sayıda serbestlik derecesi olup olmadığının yetersiz olmasıdır. Bu durumda, herhangi bir yararlı performans elde etmek için özelliklerin bazı ön filtrelemelerini kritik hale getiren 10^n
kombinasyonlara (yukarıdaki örnekte 10^1,000,000
) bakıyorsunuz .