机器学习类神经网路以及基因演算法则.pptVIP

第九章? 基因演算法則 9.1 引言 最佳化的設計法則可分為兩類: (1) 第一類是特定型最佳化法則: 由於是針對某些特定的函數特性所發展出來，因此目標函數 (object function) 必須滿足某些特性，如線性、非時變、可微分等，微分法及梯度法屬於此類。 (2) 第二類是廣義型最佳化法則: 不論目標函數的特性為何，皆不用修改設計法則，隨機搜尋及基因演算法則皆屬此類。 基因演算法則的搜尋速度比隨機搜尋更有效率；而就系統效能而言，特定型最佳化法則效率較高但僅能處理特定系統；廣義型最佳化法則的應用範圍較廣但效率較低。 9.2 基因演算法則 基因演算法則的基本理論是由 Holland 於 1975 年首先提倡，是基於自然選擇過程的一種最佳化搜尋機構。 其基本精神在於仿效生物界中物競天擇、優勝劣敗的自然進化法則。 基因演算法則的三個主要運算子為複製 (reproduction)、交配 (crossover)、以及突變 (mutation)。 應用基因演算法則來解最佳化問題的基本精神為：將所要搜尋的所有參數編碼成稱為染色體 (chromosonl)的離散 (discrete) 或二元 (binary) 字串 (string) 來代表參數的值；如此隨機地重覆產生N個初始物種(字串)，然後依據求解之條件來設計適應函數 (fitness function)，適應函數值高的物種將被挑選至