आनुवंशिक एल्गोरिथ्म का उपयोग करने के लाभ

13

क्या कोई मुझे अन्य पारंपरिक खोज और अनुकूलन विधियों की तुलना में आनुवंशिक एल्गोरिथ्म के लाभों की व्याख्या कर सकता है?

genetic-algorithms

— lakesh
स्रोत

4

किस तरह का जीए? क्या "पारंपरिक" तरीकों की तुलना में? इसके बिना, कोई केवल "तेज़ अभिसरण और कुछ अनुप्रयोगों में स्थानीय इष्टतम में फंसने के छोटे खतरे" जैसे कुछ कह सकता है, जैसे कि किसी अन्य अनुकूलन पद्धति के लिए।

19

आनुवंशिक एल्गोरिथ्म का उपयोग करने के मुख्य कारण हैं:

कई स्थानीय ऑप्टिमा हैं
उद्देश्य फ़ंक्शन सुचारू नहीं है (इसलिए व्युत्पन्न तरीकों को लागू नहीं किया जा सकता है)
मापदंडों की संख्या बहुत बड़ी है
उद्देश्य समारोह शोर या स्टोकेस्टिक है

जब आप ग्रेडिएंट की परिभाषा नहीं रखते हैं तो बड़ी संख्या में पैरामीटर व्युत्पन्न आधारित तरीकों के लिए एक समस्या हो सकते हैं। इस प्रकार की स्थिति में, आप GA के माध्यम से एक नहीं-भयानक समाधान पा सकते हैं और फिर व्युत्पन्न आधारित विधि के साथ उस पर सुधार कर सकते हैं। "बड़े" की परिभाषा हर समय बढ़ रही है।

— पैट्रिक बर्न्स
स्रोत

3

+1। मैं जीए के साथ आसक्त हुआ करता था, लेकिन अब उनसे बचता हूं। यह मुझे लगता है कि वे एक प्रचार चरण के माध्यम से गए, अनुरूप-से-प्रकृति विधियों (एसीओ, आदि) का एक गुच्छा प्रेरित किया और फिर एक आला में वापस फीका कर दिया। मेरे व्यक्तिगत पूर्वाग्रह में, तंत्रिका जाल की तरह। (उस ने कहा, मैंने हाल ही में ES का उपयोग किया है।)

— वेन

1

वेन, मैं सहमत हूं। मैं किसी भी विकासवादी रणनीति के लिए "जीए" कहना पसंद करता हूं, और अन्य तकनीकों में मिश्रण अक्सर एक अच्छा विचार है। पारंपरिक GAs बहुत ही अक्षम हैं।

— पैट्रिक बर्न्स

7

अवधारणा को समझना आसान है
मॉड्यूलर, आवेदन से अलग
बहु-उद्देश्य का समर्थन करता है
अनुकूलन "शोर" वातावरण के लिए अच्छा है
हमेशा एक जवाब; उत्तर समय के साथ बेहतर हो जाता है
समांतर रूप से समानांतर; आसानी से वितरित

— स्नो व्हाइट
स्रोत

मेरे काम में, आसान समानांतरीकरण एक सबसे महत्वपूर्ण कारक था जेनेटिक एल्गोरिथ्म का उपयोग करने के बजाय नकली एनालिंग जैसा कुछ।

— बहुतशुईई

6

आनुवंशिक एल्गोरिदम चार महत्वपूर्ण बिंदुओं में पारंपरिक खोज और अनुकूलन के तरीकों से भिन्न हैं:

आनुवंशिक एल्गोरिदम बिंदुओं की आबादी से समानांतर खोज करते हैं। इसलिए, इसमें पारंपरिक तरीकों जैसे स्थानीय इष्टतम समाधान में फंसने से बचने की क्षमता है, जो एक बिंदु से खोज करते हैं।
आनुवंशिक एल्गोरिथम संभाव्य चयन नियमों का उपयोग करते हैं, नियतात्मक नहीं।
जेनेटिक एल्गोरिदम क्रोमोसोम पर काम करते हैं, जो संभावित समाधानों के मापदंडों का एन्कोडेड संस्करण है, बल्कि स्वयं पैरामीटर।
जेनेटिक एल्गोरिदम फिटनेस स्कोर का उपयोग करते हैं, जो अन्य व्युत्पन्न या सहायक जानकारी के बिना, उद्देश्य कार्यों से प्राप्त होता है

— lakesh
स्रोत

3

जेनेटिक एल्गोरिदम एक अंतिम उपाय की तरह हैं। वे केवल तब उपयोगी होते हैं जब एक विश्लेषणात्मक समाधान संभव नहीं होता है (सबसे सामान्य कारणों के लिए पैट्रिक का जवाब देखें), और आपके हाथों पर बहुत अधिक सीपीयू समय है।

— कार्लोस दुर्घटना
स्रोत