iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 30
0

感謝大家不離不棄的堅持到最後一天,希望每天的一點點閱讀可以對基因演算法(遺傳演算法)有更多的了解。
雖然在寫文章的時候,有很多資料都是邊查邊寫的,參考了很多大神們的傑作,
不知道有沒有哪邊不夠完整,或是描述不清楚的。
回顧一下基因演算法的流程
基因演算法流程

基因演算法的組成–群體、染色體、基因
基因演算法元素組成介紹

這邊總結一下基因演算法的特點

  1. 在適應值設定不當下將可能得到區域最佳解,而非全域最佳解。
  2. 透過多點搜尋所以得到的解會盡可能避免發生區域最佳解。
  3. 染色體( chromosome )最終得到的結果不一定代表真實的結果,需要經過解碼才是得到。
  4. 需要手動去設定適應值( Fitness Value )等數值。
  5. 採取隨機搜尋方式,適合各式各樣求取最佳解的問題。
  6. 可以和神經網絡結合。

說了這麼多基因演算法的優點,也來說說他的缺點

  1. 運算成本高:在每個世代交替下都要進行運算,若世代數大或是群體大,所需的運算成本也會相對提高
  2. 現行的商業套裝軟體支援較少
  3. 不保證最佳化,GA可能會得到區域的最佳解而非整體的最佳解
  4. 在編碼的應用上仍有許多可以改善的地方

說實在這篇早在我快要放棄時就開始撰寫了
內心一直思考著哪天我才能真正按下發佈
忐忑著擔心著自己沒有機會按下去
研究生的生活實在有些忙碌
不是學校的課業 不是研究室的專案計畫
他的優先順序就這樣時時往後延後
常擔心在每天23點沒有機會按下送出
就此斷更
因此不太敢宣傳給親朋好友
深怕自己的耐力沒能堅持到最後
但是希望真得到了那麼一天可以按下去
開心到了發佈這篇文章的最後一天
後續我會盡可能把前面的文章在調整過
讓這個基因演算法給更多不了解他的人知道


全系列參考資料來源:
林豐澤・2005。演化式計算上篇:演化式演算法的三種理論模式。智慧科技與應用統計學報,3(1),1-28。
林豐澤・2005。演化式計算下篇:基因演算法以及三種應用實例。智慧科技與應用統計學報,3(1),29-56。
林昇甫、徐永吉・2009。遺傳演算法及其應用・五南圖書出版。
郭定。(2009)。 基因演算法中不同選擇策略的替代性與互補性。Journal of Science and Engineering Technology,5(2), 25-34。
突變(遺傳演算法)。2013。突變(遺傳演算法)。維基百科,自由的百科全書。
莊凱智(2011)。應用改良式粒子群演算法於旅行銷售員問題。工程科技與教育學刊, 2011, 8.3: 533-546.
Soni, N., & Kumar, T. (2014). Study of various mutation operators in genetic algorithms. International Journal of Computer Science and Information Technologies, 5(3), 4519-4521.
R語言中的遺傳演算法
R Documentation
R Documetation-ga
R Documetation-genalg
R Documetation-genoud
R Documetation-mcga
GA包--遗传算法
RPubs - Optimized Delivery Route using Genetic Algorithm: Cost cutting for e-commerce
RPubs - Genetic Algorithm on TSP
Wikipedia-Memetic Algorithm
用基因遺傳演算法(Genetic Algorithm)解旅行推銷員問題(TSP)
維基百科-蟻群演算法
蟻群演算法、遺傳演算法、模擬退火演算法介紹 | 程式前沿
蟻群優化演算法 (Ant Colony Optimization) - 陳鍾誠的網站
粒子群優化演算法-MBA智庫
基本粒子群優化演算法(PSO)的matlab實現 - IT閱讀
維基百科-模擬退火
[Day 21] Simulated annealing -- 演算法


上一篇
【Day29】GA with you - Particle Swarm Optimization Algorithm 粒子群演算法
系列文
GA Note - 基因演算法的世界30

尚未有邦友留言

立即登入留言