读书笔记《集体智慧编程》Chapter 11 : Evolving Intellignece

本文介绍了一种名为遗传程序(GP)的人工智能方法,它与遗传算法(GA)相似但目标不同,GP旨在寻找最优算法而非最优解。文章通过两个案例展示了GP的应用,并解释了GP如何使用树结构来组织算法以便于重新组合。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本章概要

本章主要介绍了遗传程序(Genetic Program,简称GP)。此方法与第五章讲的遗传算法(Genetic Algorithm,简称GA)类似,但是解决的问题不同,GA主要解决优化问题,寻找最优解,而GP主要寻找最优算法。本章还讲解了两个例子,来形象的说明GP的运用。

 

算法解析

GP的主要任务是针对一个问题,寻求一个最优的算法。在解决过程中,也是一代一代的精英通过突变(单性繁殖)或杂交(两性繁殖)的方式找到最优解,与GA不同的是,GA对参数进行组合变化,而GP对算法组合变化。这里,就需要将算法抽象出来,以至于可以重行组合。本章采用树的结构组织算法,有点像语法树,每个节点要么是最基本的运算,要么就是组合运算。

 

阅读经验

如果之前对人工智能领域中的遗传算法没有了解,那么阅读本章可能会遇到一些问题,建议先阅读第五章“优化”。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值