python - XOR MLP 与 GA，分析具有不同交叉/突变概率的图，可以得出什么结论？

Question

我对 GA 很陌生，但我想我会试一试。我已经编写了一个 GA（使用 Deap 库）来替换我的多层感知器中的反向传播。目标是找到解决 XOR 运算符的最佳权重。该代码似乎正在产生可靠的结果，接近收敛。

我已经尝试过不同的交叉/突变概率。到目前为止，我唯一的结论是概率越高，收敛越慢，这准确吗？

标签： pythonneural-networkgenetic-algorithmdeap

Answer 1

这个问题在理论上更多一些，您可能想在人工智能或交叉验证堆栈交换论坛上寻求一些扩展指导。

但简短的回答是这样的：您正在将每一代中产生大量不同个体的情况（a.和极端情况 - c.）与非常稳定的情况进行比较，即每一代大约有一个个体发生变化（1％ + 50 名成员中的 1%）。这意味着在情况下 a。尤其是c。您的个人在解决方案空间中跳跃并探索最佳解决方案。同时接近b。可以看作是循序渐进、系统性的探索。

取决于手头的问题——你的问题看起来很简单（因此解决方案空间很小）——策略 b。更好，因为人们正在迅速找到解决方案。在非常复杂的解空间的情况下，a。可能是相当好的参数设置。方法 C. 在这两种情况下似乎都过于探索——必须在保持有前途的个体在多代人之间保持完整与与新个体一起探索之间取得平衡。与 c。随着时间的推移，几乎不可能留住这些有前途的候选人——几乎整个人口几乎每一代都可能发生变化。