遗传算法：进化行为答案

【问题标题】：Genetic algorithms: evolving behaviour遗传算法：进化行为
【发布时间】：2012-02-18 08:13:12
【问题描述】：

我正在寻找有关使用遗传算法而不是参数值来演化算法行为/决策策略的材料。

我找不到太多。有人可以指出我正确的方向吗？链接会很棒，但我想我会接受搜索关键字、我不知道但应该寻找的技术术语等。

【问题讨论】：

标签： genetic-algorithm

【解决方案1】：

正如 Gordon Murray Dent 所说，当使用进化编程来创建函数时，它通常被称为“遗传编程”，而“遗传算法”通常（有点奇怪）指的是函数参数优化。

关于基因编程的经典著作是 Koza 的书籍，它们仍然非常重要，尤其是如果您恰好是 LISP 开发人员。他的网站http://www.genetic-programming.com/ 应该为您提供大量其他资源的线索。

【讨论】：

【解决方案2】：

查看genetic programming。

【讨论】：

【解决方案3】：

Google Answers 上关于一些算法的好帖子Google answers

Apache 作为一个名为Mahout 的项目，它有很多关于他们使用的算法和技术的优秀文档。

“机器学习算法”是谷歌搜索的好关键词。

【讨论】：

【解决方案4】：

您可以坚持优化纯参数，但获得行为......只需进化神经网络。例如，多层感知器能够逼近所有功能。所以进化它的参数，比如它计算的函数来满足你的目标。 tada，如果你使用一个不错的算法并且没有超过 100 个参数，你可能会得到一些不错的结果。请注意，神经网络具有实参数，因此请使用为实参数设计的进化算法。我建议 CMA-ES，不需要太多调整，是当前基准测试的赢家并在现实世界中使用。

【讨论】：

【解决方案5】：

我在论文中使用了GP field guide。当您想学习遗传编程的基础知识时，它相当有用。它包含来自 John Koza 的贡献。这本书是免费提供的，如果您需要一些具体的深入信息，它有很多论文和其他书籍的参考资料。这是一个很好的参考。

至于“经典”遗传算法，我被推荐了这本书Genetic Algorithms + Data Structures = Evolution Programs，但我还没有读过。

【讨论】：

我可以支持。我还为我的论文阅读了 A Field Guide to GP，这是值得的。