决策问题不适用于进化算法,因为无法优化/演化简单的正确/错误适应度量.那么,将决策问题转换为优化问题的方法/技术是什么？
例如,我目前正在研究一个问题,即个人的适应性在很大程度上取决于它产生的输出.根据基因的排序,个体要么不产生输出,要么产生完美的输出 - 没有"介于两者之间"(因此,没有爬山).个体基因排序的一个小变化会对个体的适应性产生巨大影响,因此使用进化算法基本上等于随机搜索.
如果你知道的话,一些文献参考会很好.
我需要猜一个数字.我只能看看我提议的数字是低还是高.性能很重要,所以我想到了以下算法:
假设我想猜的数字是600.
我从数字1000(或更高的性能,以前的数字的平均结果)开始.
然后检查1000是高于还是低于600.它更高.
然后我将数字除以2(现在为500),并检查它是否低于或高于600.它更低.
然后我找到差异并按以下方式将其除以2以检索新数字:((1000 - 500)/ 2).结果是750.然后检查那个号码.
等等.
这是最好的方法吗？有更聪明的方法吗？对于我的情况,每次猜测大约需要500毫秒,我需要在尽可能短的时间内猜测很多数字.
我可以粗略地假设先前猜测的平均结果也接近即将到来的数字,因此有一种模式可供我自己使用.