遺傳編程 - 健身功能

Question

比方說，我有一組的訓練實例，其中A_I是一個屬性，結果是二進制（是或否）：

A1,    A2,    A3,    Outcome 
red    dark   large   yes 
green   dark   small   yes 
orange   bright   large   no 

我知道我必須定義適應度函數，這個問題是什麼？在我的實際問題中有10個參數和100個訓練樣例，但這是一個類似的問題。

Answer 1

我認爲這裏的困惑來自這樣一個事實，即通常的健身功能會給你一些標量，有時候是離散的，但從不是二進制是/否（或真/假）。從這個意義上講，這看起來更像是一個需要用神經網絡（或者貝葉斯邏輯）解決的「分類」問題。這樣說，你當然可以設計一個GA來演化任何類型的分類器，並且適應度函數基本上可以用正確的分類來表示，而不是整個評估。

對此的另一個純GA方法 - 可能與問題更相關 - 是將整個分類規則集作爲遺傳算法的給定個體編碼在。從這個意義上講，適應度函數可以表示爲一個標量，表示給定的候選解決方案在總數上有多少是/否分類，等等。類似的方法可以在本文中找到Using Real-Valued Genetic: Algorithms to Evolve R,de Sets for Classification。

實施例（的可能的方式來編碼這一個）：

A1,    A2,    A3,    Outcome 
red    dark   large   yes 
green   dark   small   yes 
orange   bright   large   no 

編碼：紅= 000，暗= 001，大= 010，綠色= 011，小= 100，橙= 101，亮= 111，等 結果：是= 1，無= 0

染色體：

A1,    A2,    A3,    Outcome 
000    001    010    1 
011    001    100    1 
101    111    010    0 

的上述所有被轉換爲一個候選解決方案爲：

000001010-1/011001100-1/101111010-0 

你會產生這些隨機的一羣，發展他們無論怎樣，你通過（在規則集正確分類/總分類）測試健身整個規則集的（這裏要小心選擇你的交叉戰略喜歡！ ）。

我還建議你聽一聽binary solo，讓你心情愉快。

注意：我很懷疑這將與僅 3的規則，沒有足夠廣度的GA組成的規則集工作。