artificial-intelligence heuristics traveling-salesman nearest-neighbor genetic-algorithm
如何在C＃中编写遗传算法？有图书馆吗？像C ++：http：//lancet.mit.edu/ga/
目前,我正在读"人工智能:一种现代方法"(罗素+诺维格)和"机器学习"(米切尔) - 和努力学习AINN的基础知识.
为了理解一些基本的东西,我有两个"新手"的问题:
Q1:在遗传算法染色体001110和101101分别以下哪个后代可能是由一个单点交叉给出的两个父母A和B？
a:001101
b:001110
Q2:上述后代中的哪一个可能是由两点交叉造成的？为什么？
请指教.
我正在为uni选择项目.我真的很感兴趣的是结合遗传算法和计算机安全性.
因此我的问题是,是否可以在计算机安全的任何方面使用GA ？例如？.我想的是一种能够自我保护/抑制威胁的进化防火墙/防病毒软件.这样的事情有道理吗？
我真的很感谢你们的意见,建议,评论.
目前,我正在研究遗传算法(个人的,不是必需的),我遇到了一些我不熟悉或基本熟悉的主题,它们是:
我知道一个人的搜索空间是所有可能解决方案的集合,但我也想知道如何决定他们的搜索空间范围.此外,我想知道与功能及其计算方式的极端情况.
我知道我应该明白这些是什么,但到目前为止我只采用了代数2和几何,但我已经冒险进入物理,矩阵/矢量数学和数据结构,所以请原谅我,如果我看起来很天真.
我正在做一个关于非支配排序或多元排序算法的项目工作,该算法用于遗传算法的选择部分.我在网上搜索过,但我还不知道遗传算法的实际应用.我只知道它用于测试,但我不知道它是如何工作的.你能建议遗传算法的一些实际应用吗？
我正在为python 3.x寻找一个成熟的GA库.但唯一可以找到的GA库是pyevolve和pygene.它们都只支持python 2.x. 如果有人能提供帮助我会很感激.
我正在尝试使用R中的GA来探索优化领域.我意识到R可能不是我做这个的最佳位置,但这就是我现在所知道的.
所以这就是问题所在:我有一组人可以选择最有效地建造我的房子.我愿意花费最多10万美元来完成这项工作(解决方案不再有效的限制)我必须挑选一名电工,两名水管工,两名普通建筑工人和两名清理人员从500名或所以(这个工作共有7个人).
这些人中的每一个人都有他们为工作收取的费用以及他们将为当前工作提供的总体价值(总和价值需要最大化).查看此处的数据:
我已经看过R包genalg和DeOptim,你可以使用二进制函数来选择最大化给定价格的整体价值的人但是我无法弄清楚如何限制选择哪种类型的工人.解决方案可以是所有电工,虽然它们都提供了很大的价值,但他们无法完成这项工作.所以基本上我正在寻找一种控制人口的方法,这些包似乎都不允许这样做.
有没有关于如何解决这个问题的想法？我相信你们中的许多人已经看过这个问题的变化并且有很好的洞察力.非常感谢您的帮助.
以下是我从论坛获得的代码:
library(genalg)
iter = 10
population = 500
# import csv file
brank = read.csv("GA_Data.csv")
dataset <- data.frame(item = brank$Person.ID, survivalpoints = brank$Value, weight = brank$Labor.Cost)
weightlimit <- 100000
monitor <- function(obj) {
minEval = min(obj$evaluations);
plot(obj$mean, obj$best, type="p", main = obj$iter);
}
evalFunc <- function(x) {
current_solution_survivalpoints <- x %*% dataset$survivalpoints
current_solution_weight <- x %*% dataset$weight
if (current_solution_weight > weightlimit)
return(0) else return(-current_solution_survivalpoints)
}
GAmodel <- rbga.bin(size = length(brank$Person.ID), popSize = population, iters …Yoshua Benhgio的《学习AI的深度架构》一书提到
我们应该努力开发使用数据来确定最终架构深度的学习算法。
有人会知道到目前为止提出的任何算法来实现这一目标吗？
这个问题不是关于成功的算法的-实际上，目前似乎还没有。这个问题的目的是汇总曾经提出过的每个算法，这样，对该主题感兴趣的任何人都不需要花费数月的时间来找到它们。
到目前为止，我遇到了：
machine-learning neural-network genetic-algorithm deep-learning
我正在尝试实施最初由Roger Alsing创建的程序.我对其他人的实施做了很多研究.我决定在python中编写我的程序,并使用基本三角形作为形状.当我运行程序时,它在多代之后并没有显示出改进(三角形往往会消失).我假设我的mutate函数有问题.谁能告诉我为什么它产生不太令人满意的结果呢？
我的代码:
import random
import copy
from PIL import Image, ImageDraw
optimal = Image.open("mona_lisa.png")
optimal = optimal.convert("RGBA")
size = width, height = optimal.size
num_shapes = 128
generations = 50000
def random_genome():
elements = []
for i in range(num_shapes):
x = (random.randint(0, width), random.randint(0, height))
y = (random.randint(0, width), random.randint(0, height))
z = (random.randint(0, width), random.randint(0, height))
r = random.randint(0, 255)
g = random.randint(0, 255)
b = random.randint(0, 255)
alpha = random.randint(10, 255)
elements.append([x, y, z, r, g, …