Korzyści ze stosowania algorytmu genetycznego

13

Czy ktoś może mi wyjaśnić zalety algorytmu genetycznego w porównaniu z innymi tradycyjnymi metodami wyszukiwania i optymalizacji?

lakesh
źródło
4
Jakiego rodzaju GA? W porównaniu do jakich „tradycyjnych” metod? Bez tego można powiedzieć tylko coś takiego: „Szybsza konwergencja i mniejsze niebezpieczeństwo utknięcia w lokalnym optimum w niektórych aplikacjach”, tak samo jak w przypadku każdej innej metody optymalizacji.

Odpowiedzi:

19

Główne powody stosowania algorytmu genetycznego to:

  • istnieje wiele lokalnych optymów
  • funkcja celu nie jest płynna (więc nie można zastosować metod pochodnych)
  • liczba parametrów jest bardzo duża
  • funkcja celu jest głośna lub stochastyczna

Duża liczba parametrów może stanowić problem dla metod opartych na pochodnych, gdy nie masz definicji gradientu. W tego typu sytuacjach można znaleźć nie straszne rozwiązanie za pośrednictwem GA, a następnie poprawić je za pomocą metody opartej na pochodnych. Definicja „dużego” cały czas rośnie.

Patrick Burns
źródło
3
+1. Kiedyś byłem zakochany w GA, ale teraz mam tendencję do ich unikania. Wydaje mi się, że przeszli fazę szumu, zainspirowali szereg metod analogicznych do natury (ACO itp.), A następnie powrócili do niszy. W pewnym sensie jak sieci neuronowe, z mojego osobistego nastawienia. (To powiedziawszy, ostatnio używałem ES).
Wayne
1
Wayne, zgadzam się. Zwykle mówię „GA” dla dowolnej strategii ewolucyjnej, a mieszanie innych technik jest często dobrym pomysłem. Tradycyjne GA są wyjątkowo nieefektywne.
Patrick Burns,
7
  • Koncepcja jest łatwa do zrozumienia
  • Modułowy, niezależny od aplikacji
  • Obsługuje wiele celów
  • optymalizacja Dobra dla „hałaśliwych” środowisk
  • Zawsze odpowiedź; z czasem odpowiedź staje się lepsza
  • Z natury równoległe; łatwo dystrybuowane
Królewna Śnieżka
źródło
W mojej pracy łatwa równoległość była najważniejszym czynnikiem przy użyciu algorytmu genetycznego, a nie coś w rodzaju symulowanego wyżarzania.
veryshuai
6

Algorytmy genetyczne różnią się od tradycyjnych metod wyszukiwania i optymalizacji w czterech istotnych punktach:

  • Algorytmy genetyczne szukają równolegle z populacji punktów. Dlatego ma zdolność unikania uwięzienia w lokalnym optymalnym rozwiązaniu, takim jak tradycyjne metody, które szukają z jednego punktu.
  • Algorytmy genetyczne wykorzystują probabilistyczne reguły selekcji, a nie deterministyczne.
  • Algorytmy genetyczne działają na chromosomie, który jest zakodowaną wersją parametrów potencjalnych rozwiązań, a nie samych parametrów.
  • Algorytmy genetyczne wykorzystują wynik fitness, który jest uzyskiwany z funkcji celu, bez innych pochodnych lub informacji pomocniczych
lakesh
źródło
3

Algorytmy genetyczne są swego rodzaju ostatecznością. Są one przydatne tylko wtedy, gdy rozwiązanie analityczne nie jest możliwe (patrz odpowiedź Patryka z najczęstszych powodów), a masz dużo czasu na procesor.

Carlos Accioly
źródło