APS高级排程的惯见算法
发布时间：2021-11-23 13:05:48 所属栏目：资源 来源：互联网
导读：基因算法（Genetic Algorithm，GA）是一种优化不可导目标函数的数值优化方法。它模仿生物进化过程，使用生物进化概念搜索一个优化问题的全局最优解（极小值或极大值）。 开始时，GA生成初代的候选解。如果想找模型参数的最优解，我们先随机生成多种不同的参
|
基因算法（Genetic Algorithm，GA）是一种优化不可导目标函数的数值优化方法。它模仿生物进化过程，使用生物进化概念搜索一个优化问题的全局最优解（极小值或极大值）。 开始时，GA生成初代的候选解。如果想找模型参数的最优解，我们先随机生成多种不同的参数组合。接着，用目标函数测试每个参数组合。每个组合可以被想象成位于多维空间中的一个点。然后，我们再通过“筛选”“交换”和“突变”等方法从前一代点生成下一代点。 简而言之，由目标函数测试表现最好的点得到保留，每次新一代的结果都比前一代保留的点多。在新一代中，前一代表现最差的点被取代，取而代之的是表现最好点的“突变”和“交换”。一个点的突变是对原数据点某些属性的随机篡改，交换则是若干个点的某种组合（比如平均）。 基因算法可对任何可测量的优化标准求解。比如，GA可用于优化一个学习算法的超参数。不过，它的速度一般比基于梯度的优化方法慢不少。 （编辑：云计算网_宿迁站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐