机器学习与人工智能:进化计算

电子说

1.2w人已加入

描述

我们人类是如何学习的?我们如何理解知识的?同样信息在我们大脑中如何处理的?我们的文字和语言有什么规律?我们看到的物体如何判断的?我们对事物的关系如何理解的?我们的世界是什么样子的?为什么可以用模型去拟合呢?那计算机又是如何进行学习的呢?同样计算机可不可以模拟世界?

观众老爷上期有提到不确定性是物种多样化的起因,万物的基本组成单位构成了许多的化学元素,元素又通过不确定性和相互作用力构成了众多的物质,物质又构成了更复杂的物种和生命!这种复杂而有不确定的关系也是现如今物理学,化学和生物学等科学最前沿领域!

▌基因密码

生命千奇百怪,但却有着惊人相似的规律,生命的最本质特性是由基因决定的:基因决定生物的样貌,体格大小,习性等生命特征。而且通过对自然的探索得出一个存在争议的话题:我们人类生活在一个超级计算机当中!我们所看到的,探索的都是超级计算机模拟出来的!我们只是超级计算机里的一个小程序!我们所生活的环境都是虚构的!我们是被另外一个物种模拟圈养着的!

观众老爷是不是细思极恐呢?小编是不相信这种猜测的!我思故我在!如果存在这种超级计算机!那我们有可能是游戏玩家,并且遗忘了我们的进入游戏之前的事情!那进入这个世界的意义是什么?我们又不能像打游戏一样获得我们所需要的超级能力和获得物品!这世界没魔法,没异能!进入这样枯燥的世界,估计没人喜欢吧!模拟这种世界,也没太多意义!

基因有着一定的规律,物种的繁衍基因是关键的一环,基因的突变和遗传是为了更好的适应自然的环境!那我们如何模拟这些规律呢?同样这些规律在哪些方面有优势呢?

▌进化计算

进化计算可以根据环境调整种群的适应能力,下面我们进行算法主要步骤介绍:

步骤1:有一基因序列固定长度为M的种群,用以表示相关事物的状态或者内容索引,其选择染色体数量为N,交叉概率为Pc,突变率为Pm,定义迭代次数S。(一般基因序列是随机初始化的,这里假设交叉概率是0.2,突变概率是0.002,交叉概率和突变概率是0-1之间的小数,迭代次数S是50—1000的常数);

步骤2:定义适应函数评价种群中个体适应性,适应函数是繁殖过程选择配对染色体的基础;

步骤3:初始化基因序列,随机产生数量为N的种群:X1,X2,X3,X4,……,Xn;

步骤4:计算个体的适应性:F(X1),F(X2),F(X3),F(X4)……,F(Xn);

步骤5:选择一对基因序列,这对基因序列一般是适应性比较高的;

步骤6:以交叉概率Pc交换选中的染色体,产生新的后代;以突变概率Pm,随机改变子代的基因;

步骤7:将后代染色体放入新种群;

步骤8:重复步骤5,6,7,直至新种群数量等于初始种群数量为N;

步骤9:用新种群取代父代种群;

步骤10:重复上述过程,直至满足迭代次数S!

进化计算模仿的就是自然界生物的进化过程,通过随机抽取、适应评价、交互以及突变来改变内部的状态,直至得到最优解。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分