〖医学〗资料库行销基因演算法教材-课件.pptVIP

* * * * * * * * * * * * * * * * * * 資料庫行銷 基因演算法 大量借用自生物領域，建立在類比生物思考過程上 似進化過程- 物競天擇，適者生存 　? 增加個體對環境的適應性來解決問題，即考慮個體加權數，用在訓練過程，若得到的適應性越高，則可視為基因演算法的預測能力越高 被應用在三個領域：訓練類神經網路(最常被應用)、生成記憶基礎理解的評分函數、排程的最適化功能 基因演算法 (Genetic Algorithms) 與自然界不同的是，母群體的數量是保持恆定，即該群體不致滅種 規則導向，而非資料導向 　?在同一個函數中加入許多限制條件做最適化運算 在資料採礦及資料分析上並不普遍，因為資料採礦著重分類、預測，而不是最適化 如果問題中的限制比變數還多時，基因演算法是個好工具 特性 1950 生物學家和電腦學家合作，模擬基因運作 1960初 學者電腦化的遺傳學- 染色體、基因、配 對基因、適配函數，應用到其他領域 　　　　　(約翰 賀藍) 1967 論文描述最適化技術，但過於倚賴隨機選 　　　　　擇而受質疑 1970 發展出這項技術的理論基礎，即如何運作 基因演算法的演進過程 1.設定問題 　?定義基因組及適配函數，創造第一代基 　　因組(五位元基因參數，ex: 01111) 2.藉由