問題タブ [mutation]

私が取り組んでいる遺伝的アルゴリズムの適応突然変異率を実装する方法を検討してきました。現在の個人の適応度と平均集団の適応度を使用して突然変異率を計算するアルゴリズムを見たことがありますが、それが非常に効果的かどうかはわかりません。

私が見たアルゴリズムでは、次のことを行います。

これは良いアプローチでしょうか、それとももっと良い方法がありますか?

XOR 問題を解決できる 2 つの入力ニューロン、2 つの非表示ニューロン、1 つの出力ニューロンを備えた人工ニューラル ネットワーク (ANN) を実装することになっています。ネットワークの重みは、進化的アルゴリズムを使用して最適化する必要があります。各ニューロンの活性化関数と各 ANN の適合度関数が与えられます。次の図は、問題を要約し、私が使用した変数名を紹介しています。

今、私は問題を解決するために最善を尽くしましたが、1000 ANN と 2000 世代の母集団サイズを使用する進化的アルゴリズムを使用しても、私の最高の適合度は 0.75 よりも優れていることはありません。私のコードには、ニューロン、アクティベーション、およびフィットネス関数を含む ANN クラスと、進化的アルゴリズムを含み、ANN の重みを最適化する Main クラスが含まれています。コードは次のとおりです。

各 ANN は -1 と 1 の間のランダムな重みで初期化され、変異することができます。つまり、ランダムに選択された 1 つの重みが異なる変異を返します。

Main クラスには進化的アルゴリズムがあり、エリート主義とランクベースの選択を使用して各母集団の次世代を作成します。つまり、100 個の最良の ANN がコピーされ、残りの 900 個は以前に成功した ANN の突然変異です。

これについてかなり考え、学んだテクニックを使用しましたが、結果は満足のいくものではありません。何らかの理由で、最適な重みが重みごとに -1 にドリフトしているように見えます。それはどのように理にかなっていますか？重みの -1 から 1 の範囲は適切ですか? 変異に加えてクロスオーバーも導入する必要がありますか? これは非常に具体的な問題であることは承知していますが、助けていただければ幸いです。

「突然変異ステップサイズ」の意味を誰かに説明してもらえますか? 遺伝的アルゴリズムに関する記事を読んでいますが、次のように書かれています。

「突然変異は、ノードの決定をランダムに変更するか、0.25 のステップ サイズで値を突然変異させます」

GAライフサイクルにおける突然変異の役割は知っていますが、突然変異のステップサイズとは何かについての良い説明が見つかりません。

ありがとう。

Matlab で遺伝的アルゴリズムを使用して画像再構成アルゴリズムを最適化しています。2 つの集団でクロスオーバーを行い、matlab で「ga」ツールキットを使用せずに 2 つの子孫を生成しました。したがって、現在、0〜255の範囲の整数値を持つ2つの1 * nマトリックスがあります（これらは、行の主要な順序で2つの画像です）。たとえば

そして、私は単一点順交叉を行い、次のように子孫を得ました

次に、確率率 0.02 で突然変異を行う必要があります。ここでは 'gaoptimset' を使用し、次のようにコーディングしました。

結果を出力しました。値なしでこのような構造が得られます。

クロスオーバーされた子 (Off_1 と Off_2) で突然変異を実行するのを手伝ってくれる人はいますか?事前に感謝します。

サードパーティの Web サイトで DOM 要素を監視しようとしています。要素は、カウントダウン タイマーが到達するまで存在せず、その後作成されます。

document.getElementsByClassName('countdown ng-hide').length をいじって成功しました。

0 から 1 に変化したときに関数を実行したい。

どうすればいいですか？Mutation Observer を使用してみましたが、null ノードを観察できません。

ありがとう！

編集：これは私がこれまでに得たものです。

jenetics ライブラリでは、次のコードが Mutator クラスの alter() メソッドで与えられます。

最終的な double p = pow(_probability, 1.0/3.0);

この新しい突然変異確率を計算する目的を説明できる人はいますか? どのように有益ですか？このクラスを使用して、One-Position または Point Mutation を実装するにはどうすればよいでしょうか?

参照: https://github.com/jenetics/jenetics/blob/master/org.jenetics/src/main/java/org/jenetics/Mutator.java

GAアルゴリズムを実装しています。染色体には、-1、0、1の値の組み合わせがあります。ミューテーションの部分では、prob(-1 to 1)で -1 を1 に、prob(1 to -1)で 1 を -1 に変更したい。Rに簡単にできる関数があるかどうかはわかりません。確率に応じて値を置き換えるのに役立つ関数があるかどうか教えてくれる人はいますか?

名前の付いた本のListing 11.9 (pdf の p.269) を調べています。

値がどのように設定されているかを誰かに説明してもらえますかtests(行[tests all-tests :as results])?

ありがとう