David E. Goldbergによる本「GeneticAlgorithms」を読んで、彼はGeneticAlgorithmsの適応度スケーリングについて言及しています。
この機能についての私の理解は、最強の候補者が繁殖のためにプールにあふれないように制約することです。
なぜあなたは最高の候補者を制約したいのですか?私の考えでは、できるだけ早く最良の候補者をたくさん持つことは、できるだけ早く最適な解決策にたどり着くのに役立ちます。
後であなたの初期の最高の候補者が進化の行き止まりであることが判明した場合はどうなりますか?たとえば、初期の最も適した候補者は、小さくて弱い候補者を支配する大きくて強いエージェントです。弱いものがすべて排除されると、まだ遭遇していない環境の側面に弱いものがあり、弱いものが処理できる大きな獣に悩まされています。小惑星の衝突後の恐竜と小さな哺乳類を考えてみてください。または、GAの場合に当てはまる可能性が高い、より決定論的な設定では、弱い候補者は、適応度の風景のまったく新しい実り多い部分を探索することから1つまたは少量の進化のステップから離れている可能性があります:弱い小さな生き物が飛行を進化させることを想像してください、大きな獣が決して触れない可能性が最も高い可能性の全く新しい世界を開きます。
根本的な問題は、初期の最強の候補者が実際にはフィットネススペースの極大値またはその周辺にいる可能性があることです。弱い候補者が実際には世界の最大値に近い可能性があります。
いずれにせよ、母集団を積極的に剪定することにより、母集団の遺伝的多様性が減少します。これにより、一般に、対象となる検索スペースが減少し、このスペースを検索できる速度が制限されます。たとえば、あなたの最良の候補者はグローバルな最良の解決策に比較的近いかもしれませんが、そのグループを近親交配するだけではそれをそれほど近づけないかもしれず、十分なランダムな陽性突然変異が起こるのを待たなければならないかもしれません。ただし、切り取りたい弱い候補の1つに、それ自体ではあまり役に立たない遺伝子がある可能性がありますが、強い候補の遺伝子と交差すると、大きな進化のジャンプが発生する可能性があります。たとえば、人間がクモのDNAと交配したと想像してみてください。
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加