Entscheidungsprobleme sind für die Verwendung in evolutionären Algorithmen nicht geeignet, da ein einfaches richtig / falsch-Fitnessmaß nicht optimiert werden kann. Also, was sind einige Methoden / Techniken zur Umwandlung von Entscheidungsproblemen in Optimierungsprobleme?
Zum Beispiel arbeite ich gerade an einem Problem, bei dem die Fitness eines Individuums sehr stark von der Produktion abhängt, die es produziert. Abhängig von der Reihenfolge der Gene produziert ein Individuum entweder keine Ausgabe oder eine perfekte Ausgabe - kein "dazwischen" (und daher keine Hügel zum Klettern). Eine kleine Veränderung in der Genordnung eines Individuums kann einen drastischen Effekt auf die Fitness eines Individuums haben, so dass die Verwendung eines evolutionären Algorithmus im Wesentlichen zu einer zufälligen Suche führt.
Einige Literaturhinweise wären nett, wenn Sie welche kennen.
Anwendung auf mehrere Eingaben und Prüfung des Prozentsatzes der richtigen Antworten.
Richtig, ein richtig / falsch-Fitness-Maß kann sich nicht zu mehr Richtigkeit entwickeln, aber ein Algorithmus kann trotzdem eine veränderbare Funktion auf jeden Input anwenden, der benötigt wird, um eine Entscheidung zu treffen, die richtig oder falsch ist. Also mutieren Sie den Algorithmus weiter und für jede mutierte Version des Algorithmus wenden Sie ihn beispielsweise auf 100 verschiedene Eingaben an und Sie überprüfen, wie viele davon richtig sind. Dann wählen Sie diejenigen Algorithmen aus, die mehr richtige Antworten als andere gaben. Wer weiß, vielleicht sehen Sie irgendwann einen, der ihnen alles recht macht.
Es gibt keine Literaturhinweise, ich habe es gerade erfunden.
Nun, ich denke, du musst an deiner Fitnessfunktion arbeiten. Wenn Sie sagen, dass einige Individuen einer perfekten Lösung näher sind, können Sie diese Lösungen basierend auf ihrer genetischen Struktur identifizieren? Wenn Sie das können, könnte ein Programm das auch tun und Sie sollten die Person nicht basierend auf der Ausgabe, sondern auf ihrer Struktur bewerten.
Tags und Links optimization evolutionary-algorithm