370
个编辑
更改
跳到导航
跳到搜索
第27行：
第27行： − + 第34行：
第34行： −
→类型
演化算法的具体技术可以按照遗传信息表达方式、实现细节、以及特定问题的特定处理分类。
演化算法的具体技术可以按照遗传信息表达方式、实现细节、以及特定问题的特定处理分类。
* [[遗传算法]] Genetic algorithm：这是演化算法中最常用的类型。这种技术应用于求解最优解是一组数字的问题。
* [[遗传算法]] Genetic algorithm：这是演化算法中最常用的类型。这种技术应用于求解最优解是一组数字的问题。
* 遗传编程 Genetic programming ：这种技术用于生成一段计算机程序，其适应度就是这些计算机程序解决某计算问题的能力。
* 遗传编程 Genetic programming ：这种技术用于生成一段计算机程序，其适应度就是这些计算机程序解决某计算问题的能力，具体案例可以参考[[使用pythony实现遗传算法]]。
* 演化编程 Evolutionary programming ：与遗传编程类似，但其求解的计算机程序的结构是固定的，可以演化的是一些数值参数。
* 演化编程 Evolutionary programming ：与遗传编程类似，但其求解的计算机程序的结构是固定的，可以演化的是一些数值参数。
* 基因表达编程 Gene expression programming ：类似于遗传编程，基因表达规划同样以计算机程序群体来进行演化计算，但这种计算机程序虽然大小不同，却都编码在相同固定的线性染色体中。
* 基因表达编程 Gene expression programming ：类似于遗传编程，基因表达规划同样以计算机程序群体来进行演化计算，但这种计算机程序虽然大小不同，却都编码在相同固定的线性染色体中。
* 神经演化 Neuroevolution：类似于遗传规划，但是基因组表示的是人工神经网络的结构和连接权重，这种基因组编码可以是直接编码也可以是间接编码。
* 神经演化 Neuroevolution：类似于遗传规划，但是基因组表示的是人工神经网络的结构和连接权重，这种基因组编码可以是直接编码也可以是间接编码。
* 学习分类器系统 Learning classifier system ：这种技术的解是一组分类器（一组规则画着条件）。密歇根-学习分类器系统在个体层面进行演化而匹兹堡-学习分类器系统使用分类器集合群体来演化。最开始的时候这些分类器都是0-1编码的，如今包含实数、神经网络、或者S-expression。其适应度一般是分类器系统应用于强化学习或有监督学习时的准确率。
* 学习分类器系统 Learning classifier system ：这种技术的解是一组分类器（一组规则画着条件）。密歇根-学习分类器系统在个体层面进行演化而匹兹堡-学习分类器系统使用分类器集合群体来演化。最开始的时候这些分类器都是0-1编码的，如今包含实数、神经网络、或者S-expression。其适应度一般是分类器系统应用于强化学习或有监督学习时的准确率。
==与生物过程的比较==
==与生物过程的比较==