7

http://www.aforgenet.com/などの一部の遺伝的アルゴリズム フレームワークでは、突然変異率、人口サイズなどの多くのパラメーターが必要です。

そのようなパラメータの普遍的な最良の数はありますか? 問題（適応度関数の遅れ、突然変異の遅れ、組換えの遅れ、進化速度など）によると思います。私が最初に考えたのは、GA を使用して別の GA を構成することでした。

より良いアイデアはありますか？

4

6 に答える 6

18

これらの問題を、最低点を見つけようとしている風景と考えると役立つと思います。

遺伝的アルゴリズムのような方法は、ランドスケープが大きすぎてすべてのポイントをテストできない場合に使用されます。また、ランドスケープの「形状」が、勾配降下法などの方法では極小値に行き詰まるような場合に使用されます。

良い例の 1 つが Rastrigin の関数 ( image ref ): (source: Scientific-computing.com ) :代替テキスト

選択肢は次のとおりです。

世代サイズ:

  • 大きすぎる: エポック時間が長くなり、各個人が近隣を探索する機会が制限されます。
  • 小さすぎる: 検索スペースを十分にカバーできません。

突然変異率:

  • 高すぎる: 個人が近かった解決策を「飛び越える」リスクがあります。
  • 低すぎる: それらはすべて極小値で動けなくなります。

したがって、実際には、独自の特定の検索スペースに依存します. パラメータを試して、最適な組み合わせを見つけてください。パラメータを最適化するために別のGAを使用しても問題は解決しないことに同意します。

于 2009-07-02T21:50:00.073 に答える
12

遺伝的アルゴリズムに最適なパラメーターを自動的に見つけることができないと仮定する非常に多くの回答があるのはかなり残念です。パラメータは問題に依存することに同意しますが、それらを見つける方法があります。

さらに、No Free lunch Theoremは、事実に異議を唱える議論がすでにあるため、最良のパラメーターを見つけることを決して妨げません。

パラメータ設定には次の 2 種類があります。

  • パラメーター チューニング (オフライン パラメーター検索 - GA 実行前)
  • パラメーター コントロール (オンライン パラメーター調整 - GA 実行中)
    • アダプティブ
    • 自己適応
    • 決定論的

これらの最適なパラメーターを見つける方法を説明している文献はたくさんありますが、パラメーター検索をオフラインで行うかオンラインで行うかによって異なります。オンラインのパラメーター制御方法はオフラインよりも複雑すぎるため、ほとんどの場合にはオフラインの方が適していると一般的に考えられています。

「最適な」パラメータを見つけるためのいくつかの例を次に示します。

パラメータ調整:

パラメータ制御:

その他、上記のキーワードを使用して文献を検索してください。与えられた問題に適したパラメータを見つけるための科学的方法があります!

于 2014-01-14T17:06:01.860 に答える
8

それは簡単ではありません。

なんで？無料ランチの定理のため。これは基本的に、すべての問題にうまく機能する一般的な検索アルゴリズムがないことを示しています。

あなたができる最善のことは、特定の問題空間の検索を調整することです。ソリューションに合わせてパラメータを手動で微調整する必要があります。ごめん。

GAを使用してGAパラメータを見つけるのは複雑になります。GAGA検索に最適なパラメータをどのように見つけますか？別のGA...？

于 2009-07-02T22:39:34.013 に答える
6

遺伝的アルゴリズムをプログラムしたとき、基本的にGAを使用してそれ自体を構成すると言ったように、これらの値を変更する値に含めました。特に、計算中にこれらの値が変化することが有益であることがわかったため、驚くほどうまく機能しました。

于 2009-07-02T17:22:41.897 に答える
4

特定のデータセットに対して自動的に行う方法は実際にはありません。存在する場合、それらはそれらのパラメーターを公開しません。2 番目の GA を使用して最初の GA のパラメーターを調整するのは危険です。3 番目の GA を使用して 2 番目の GA のパラメーターを調整しますか? それをしたとしても、とにかくオーバーフィットのレシピです。

私のアドバイスは、パラメーターをいじって、各世代で人口分布にどのように影響するか、許容できる答えに到達するまでに何世代かかるかなどを確認することです。突然変異が多すぎると、人口は決して安定しません。少なすぎると均質になってしまいます。

GA の調整が科学ではなく芸術であることは、GA の汚い秘密です。

于 2009-07-02T17:32:08.093 に答える
2

他のみんなが言ったように、誰も答えはありません。レベル0.7-0.9でクロスオーバー率を使用し、0.1-0.3で突然変異を使用する傾向がありますが、実際には異なります。問題に依存し、適応度関数に依存する可能性があり、遺伝的アルゴリズム自体に確実に依存します。GAには多くのバリエーションがあり、同じ問題の最適なパラメータは異なる場合があります。

GAを使ってターゲットGAのパラメータを調整することに関しては、そのようなアプローチがありますが、指摘されたように、最初のGAのパラメータを調整するにはどうすればよいですか？おそらく、突然変異率は最初は高く、クロスオーバー率が増加している間に減少するはずであることに注意してください。それは探査対搾取の問題です。GAをより適応性のあるものにし、解決策を探すときにパラメーターを変更できるようにするアプローチがあります。GAのパラメーターを操作するために、ファジーコントローラーが使用されることがあります。他のアプローチもあります。

それについてもっと知りたい場合は、本を購入するか、学術研究論文を調べてください。
徹底的な調査なしに独自のGAを設定する必要がある場合は、他の作業から得られたいくつかの値を試して、それらを試してみてください。

于 2009-11-04T19:55:30.167 に答える