J'ai récemment découvert les algorithmes génétiques dans cet article de MSDN , dans lequel il les appelle évolution combinatoire, mais il semble que ce soit la même chose et j'ai du mal à comprendre comment la combinaison de deux solutions potentielles produira toujours une nouvelle solution au moins aussi efficace. bon que ses parents.
Pourquoi cela est-il ainsi? Associer pourrait peut-être produire quelque chose de pire.
Autant que je sache, l'algorithme est basé sur le concept selon lequel lorsqu'un mâle et une femelle d'une espèce produisent une progéniture, cette progéniture aura les caractéristiques des deux parents. Certaines combinaisons seront meilleures, certaines pires et d'autres tout aussi bien. Celles qui sont meilleures (quelle que soit la définition de "meilleure" est appropriée) ont plus de chances de survivre et de produire des enfants présentant les caractéristiques améliorées. Cependant, il y aura des combinaisons plus faibles. Pourquoi n'est-ce pas un problème avec GA?
Why isn't this an issue with GA?
Eh bien, c’est le cas ou plus exactement. L'un des nombreux (nombreux) paramètres à optimiser à l'aide des GA est la taille de la population: si elle est trop basse, vous pouvez ne produire que des individus plus faibles, mais si elle est trop élevée, le temps de calcul associé à la fonction fitness peut être trop élevé.
However, there will be combinations that are weaker. Why isn't this an issue with GA?
- Parce que les combinaisons les plus faibles sont rejetées.