Genetik algoritma kullanmanın faydaları

13

Genetik algoritmanın diğer geleneksel arama ve optimizasyon yöntemlerine kıyasla faydalarını açıklayan var mı?

genetic-algorithms

— lakesh
kaynak

4

Ne tür bir GA? Hangi "geleneksel" yöntemlerle karşılaştırıldığında? Bu olmadan, yalnızca diğer tüm optimizasyon yöntemlerinde olduğu gibi "Daha hızlı yakınsama ve bazı uygulamalarda yerel optimumda takılma riski" gibi bir şey söylenebilir.

19

Genetik algoritmanın kullanılmasının ana nedenleri:

birden fazla yerel optima var
nesnel işlev düzgün değildir (bu nedenle türev yöntemler uygulanamaz)
parametre sayısı çok fazla
nesnel işlev gürültülü veya stokastiktir

Degradenin tanımına sahip değilseniz, çok sayıda parametre türev tabanlı yöntemler için bir sorun olabilir. Bu tür bir durumda, GA aracılığıyla korkunç olmayan bir çözüm bulabilir ve daha sonra türev tabanlı yöntemle bunu geliştirebilirsiniz. "Büyük" tanımı sürekli artmaktadır.

— Patrick Burns
kaynak

3

+1. Eskiden GA'lara bayılırdım, ama şimdi onlardan kaçınma eğilimindeydim. Bana öyle geliyor ki, bir hype aşamasından geçtiler, bir grup benzer doğaya yöntemlere (ACO, vb.) İlham verdiler ve daha sonra bir nişe geri döndüler. Kişisel önyargımda, Sinir Ağları gibi. (Bu, ES'yi son zamanlarda kullandığımı söyledi.)

— Wayne

1

Wayne, katılıyorum. Herhangi bir evrim stratejisi için "GA" deme eğilimindeyim ve diğer tekniklerle karıştırmak da genellikle iyi bir fikir. Geleneksel GA'lar korkunç derecede verimsizdir.

— Patrick Burns

7

Kavramın anlaşılması kolaydır
Modüler, uygulamadan ayrı
Çok amaçlı desteği
optimizasyon “Gürültülü” ortamlar için iyi
Her zaman bir cevap; cevap zamanla daha iyi hale geliyor
Doğası gereği paralel; kolayca dağıtılabilir

— karbeyaz
kaynak

Çalışmamda, kolay paralelleştirme, benzetilmiş tavlama gibi bir şeyden ziyade genetik bir algoritmanın kullanılmasında en önemli faktördü.

— veryshuai

6

Genetik algoritmalar dört önemli noktada geleneksel arama ve optimizasyon yöntemlerinden farklıdır:

Genetik algoritmalar birçok noktadan paralel arama yapar. Bu nedenle, tek bir noktadan arama yapan geleneksel yöntemler gibi yerel optimal çözümde hapsolmayı önleme yeteneğine sahiptir.
Genetik algoritmalar deterministik kuralları değil olasılıklı seçim kurallarını kullanır.
Genetik algoritmalar, parametrelerin kendilerinin değil, potansiyel çözümlerin parametrelerinin kodlanmış versiyonu olan Kromozom üzerinde çalışır.
Genetik algoritmalar, diğer türevsel veya yardımcı bilgi olmadan objektif fonksiyonlardan elde edilen kondisyon puanını kullanır

— lakesh
kaynak

3

Genetik algoritmalar son çare. Sadece analitik bir çözüm mümkün olmadığında yararlıdır (en yaygın nedenlerden dolayı Patrick'in cevabına bakın) ve ellerinizde çok fazla CPU zamanınız var.

— Carlos Accioly
kaynak