遺傳算法總結(jié)

遺傳算法是一種最優(yōu)化算法，或者說遺傳算法可以應(yīng)用于求解搜索問題或者最優(yōu)化問題。百度對遺傳算法的定義為：遺傳算法（Genetic Algorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法遺傳算法在工業(yè)界有著比較廣泛的應(yīng)用。我也是實(shí)習(xí)的時(shí)候才真正用到遺傳算法，下面是我的一些總結(jié)。

1：傳統(tǒng)優(yōu)化算法

遺傳算法可以用于求解最優(yōu)化問題，那么和傳統(tǒng)的優(yōu)化算法相比，遺傳算法有什么不一樣呢？https://blog.csdn.net/m0_37622530/article/details/81951597比較詳細(xì)的介紹了一些最優(yōu)化算法。

傳統(tǒng)的最優(yōu)化算法可以分為calculus-methods(精確計(jì)算方法)：

1：對于一些無約束的最優(yōu)化問題，可以直接根據(jù)求偏導(dǎo)等于0，然后求得最優(yōu)點(diǎn)的坐標(biāo)，但是這類算法只能對于凸函數(shù)和凹函數(shù)能夠得到全局最優(yōu)解。

2：對于帶有約束的最優(yōu)化問題，如果只有等值約束的話，使用拉格朗日乘子法可以求解，拉格朗日乘子法可以查看https://www.jiqizhixin.com/articles/2019-02-12-10，對于一般的約束（既有等值約束，也有不等式約束）的問題，使用拉格朗日乘子法以及KKT條件可以求解。例如SVM就是使用KKT條件加上拉格朗日乘子法使用對偶優(yōu)化方法進(jìn)行求解的。

上面的最優(yōu)化算法屬于calculus-methods(精確計(jì)算方法)，除此之外，該方法還有一種enumerative scheme(迭代形式)，比如說最速下降算法（梯度下降算法），牛頓法，共軛梯度法,動(dòng)態(tài)規(guī)劃等等。其中梯度下降算法衍生出了很多變種，如Adagrad，Adam，Momentum等等，都是為了解決陷入局部最優(yōu)問題而產(chǎn)生的改進(jìn)。

2：隨機(jī)優(yōu)化算法

傳統(tǒng)算法有著很多限制，比如說都需要求偏導(dǎo)，連續(xù)（還有可能陷入局部最優(yōu)的問題），因此不是很魯棒(robust)。隨機(jī)優(yōu)化算法不需要這些限制（連續(xù)可求導(dǎo)），缺點(diǎn)就是找到的是一個(gè)近似的最優(yōu)解。

隨機(jī)優(yōu)化算法包含simulated anealing（模擬退火算法），詳情查看https://blog.csdn.net/google19890102/article/details/45395257，模擬退火算法的算法流程圖如下：

模擬退火算法通過隨機(jī)接受不產(chǎn)生下降的解的形式，有可能跳出局部最優(yōu)解到達(dá)全局最優(yōu)。

除了模擬退火算法外，遺傳算法也在算法中使用隨機(jī)的方法，如交叉，變異，繼承等操作。遺傳算法的一個(gè)應(yīng)用實(shí)例可以查看https://blog.csdn.net/saltriver/article/details/63679701，具體就是求解一個(gè)簡單的函數(shù)在給定區(qū)間的最大值：?

求解上面函數(shù)在[-10,10]之間的最大值，實(shí)際上，上面的函數(shù)可以使用數(shù)值計(jì)算的方法進(jìn)行求解，因?yàn)樵摵瘮?shù)是連續(xù)可微的，求得函數(shù)的增區(qū)間，就能求[-10,10]的最大值。

如果使用遺傳算法求解這個(gè)問題的話，最重要的一步就是如何code我們需要求解的值x，為什么需要對x進(jìn)行編碼，因?yàn)槲覀冊谶z傳，變異，交叉的時(shí)候，是對編碼進(jìn)行操作，如果x=2如何進(jìn)行這些操作？因此我們需要對x進(jìn)行編碼，例如，如果我們假設(shè)x精確度為小數(shù)點(diǎn)后面4位的話，那么1可以分成10000個(gè)數(shù)，-10到10之間存在20個(gè)數(shù)，因此我們需要20*10000種編碼，也就是200000，如果我們使用二進(jìn)制（0,1）編碼的話，我們需要18位進(jìn)行編碼，因此2的18次方是262144，而2的17次方是131072，因此只有使用18位才能最小編碼200000個(gè)數(shù)。https://www.jianshu.com/p/971c5f76f88e里面包含一個(gè)例子。

上面是遺傳算法最簡單的例子，遺傳算法包含很多有意思的應(yīng)用，如羅比清掃機(jī)器人https://blog.csdn.net/lynn0085/article/details/79016012，可以看到，進(jìn)化很多代之后，羅比機(jī)器人對于任意出現(xiàn)的垃圾，都能很好的清理。

除此之外，遺傳算法還可以對圖像進(jìn)行擬合，如https://songshuhui.net/archives/10462，得到的結(jié)果大概如下：

其中，每個(gè)個(gè)體就是一系列三角形的組合，每個(gè)三角形又包含位置，顏色，透明度等等屬性，最后使用MSE（mean square error）用組成的圖像和原始圖像進(jìn)行對比，使用mse衡量fitness?，最后得到的結(jié)果已經(jīng)非常相像。

遺傳算法除了這些應(yīng)用外，在工業(yè)界也有很多應(yīng)用，比如說論文"sapienz: multi-objective automated testing for android applications"使用GA（遺傳算法）解決多目標(biāo)（code coverage，sequence length，crash）優(yōu)化問題，facebook現(xiàn)在使用的自動(dòng)測試系統(tǒng)就是基于Sapienz開發(fā)的。

總結(jié)

以上是生活随笔為你收集整理的遗传算法总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。