genetic-algorithm - 目标/适应度函数确定的遗传编程

Question

我希望这个问题是适当的。我正在寻找一种解决方案来解决我脑海中的遗传程序实施，但我对 AI 还是很陌生，不知道在哪里/如何解决这个问题。

所以我最近开始尝试遗传算法（找到最佳解决方案），然后现在开始研究遗传编程（找到解决方案的最佳程序）......决策树上的变异，交叉等对我来说相对简单，但我仍在努力解决问题的实施。

如果遗传程序可以找到一组相关输入值与输出的数学函数，那么通过查看优化问题（比如说装箱问题），您如何使用遗传程序来确定最佳目标/适应度函数问题？因为那么您“应该”能够使用生成的适应度函数（来自 GP）在 GA 上实现以找到问题的最佳解决方案？- 以使您的 GA 表现更稳健的方式

如果我理解正确，GP 流程如何可行？它是一些通用的技术，是与优化问题的适应度评估相关的方法......还是？任何帮助将不胜感激。我知道有一个解决方案，只是不知道在哪里/如何搜索它，或者它指的是什么......

先感谢您。

标签： genetic-algorithmgenetic-programminggenetic

Answer 1

... [我]仍在努力解决问题的实施。

...您如何使用遗传程序来确定问题的最佳目标/适应度函数？

在进化算法（特别是 GA，GP）中，问题基本上由适应度函数定义。在这种情况下，谈论寻找适应度函数的自动方法是没有意义的，因为它转化为寻找问题，这对我来说似乎没有任何意义。

如果您的想法位于不同的平面上，并且您认为它仍然有意义，请尝试更清楚地澄清它。