Dies ist, was künstliche Intelligenz (KI) nicht so viel körperliche Kraft erfordert, um von 1 bis 10 zu verstehen. Ich hoffe, dass diejenigen, die am Eingang zur künstlichen Intelligenz gestanden haben, auch daran arbeiten und ihre Ideen in diesem wunderbaren Algorithmus voll ausnutzen werden.
Angenommen, es gibt einen Kobold, der sich mit 100 Parametern bewegt. Die Parameter werden zufällig bestimmt und es gibt insgesamt 50 Kakerlaken. Wenn Sie mit ihnen um etwas konkurrieren, haben sie alle unterschiedliche Parameter, sodass einige schneller und andere langsamer laufen. Dann ordne sie. Wenn Sie an erster und zweiter Stelle ein Kind zur Welt bringen, kann dieses Kind dann ein früher Mann werden? Sie können ** "genetisch" ** sein. Mit diesem Gefühl haben Sie eine Gruppe mit besseren Tieren als zuvor, wenn Sie die 10 besten Tiere zur Welt bringen und die Mitglieder durch die langsameren der ursprünglich 50 Tiere wechseln.
Und wenn Sie erneut an Wettkämpfen teilnehmen, genetisch überlegene Kinder zur Welt bringen, sie ersetzen, erneut antreten und so weiter, wird eines Tages ein unglaublich schneller Typ herauskommen.
Das ist der Hintergrund des genetischen Algorithmus.
Erstens umfasst KI zufällige Wälder und neuronale Netze, aber die meisten davon entsprechen der Lösung von Optimierungsproblemen. Der genetische Algorithmus (GA) ist einer von ihnen, und der Entwurf besteht darin, viele Organismen erscheinen zu lassen, um das Überleben zu konkurrieren und dann den stärksten zu bestimmen.
Dies kann in die folgenden Verfahren eingeteilt werden.
** ⑴ Erstpopulation generieren ⑵ Bewertung ⑶ Crossover (genetisch) ⑷ Mutation ⑸ Gruppenwechsel (Generationswechsel) Wiederholen Sie danach die Schritte ⑵ bis ⑸ **
Werfen wir einen Blick auf jeden.
Das Beispiel handelte von Kakerlaken, aber ich denke natürlich selbst über die Einstellungen nach. Wenn hier die Reihenfolge des Parametersatzes berücksichtigt wird, ist es ** so, als wäre es die genetische Information (Genom) eines Organismus **. Die anfängliche Anzahl von Individuen und die Anzahl von Parametern werden bestimmt, Individuen werden zufällig erzeugt und dies wird als erste Generation verwendet.
Entscheiden Sie, was Sie bewerten möchten, und bewerten Sie jeden Einzelnen entsprechend. Im obigen Beispiel ist die "Laufgeschwindigkeit" der Kakerlake das Bewertungskriterium.
Dies ist der Prozess, der das Konzept der Vererbung verwendet. Überlegen Sie in der Bewertungsphase, wie Sie die Parameter des Kindes bestimmen, wenn Sie die hervorragenden als Eltern zur Welt bringen. Häufig wird ein n-Punkt-Crossover verwendet, bei dem das Elterngen (eine Folge von Parametern) an n-Punkten geteilt und in zwei Hälften vererbt wird.
Die Gene der durch Kreuzung vererbten Nachkommen werden mit einer bestimmten Wahrscheinlichkeit zufällig modifiziert. Infolgedessen bleibt der Wettbewerb nicht hängen, selbst wenn dieselbe Person auftritt (das heißt, ** Zufälligkeit ist gegeben und ** macht einen Unterschied zwischen Personen).
wie wäre es mit. Die Person, die darüber nachdenkt, muss ein Genie sein. Es ist ein wirklich interessanter Algorithmus, sich auf das Überlebensmodell eines Organismus zu beziehen. Genau das ist genetische Manipulation. Lassen Sie es uns jetzt in die Praxis umsetzen. Sie sollten die Schönheit dieses Algorithmus selbst genießen.
Einführung in die künstliche Intelligenz durch Python 2 "Genetic Algorithm-Practice-"
Übrigens, laut einer Veröffentlichung irgendwo kann der automatische Handel mit Devisen usw. die besten Ergebnisse erzielen, wenn man dies als andere KI verwendet ...?
Recommended Posts