Innehåll
- Definition - Vad betyder evolutionsalgoritm?
- En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.
- Techopedia förklarar Evolutionary Algoritm
Definition - Vad betyder evolutionsalgoritm?
En evolutionär algoritm anses vara en del av evolutionär beräkning inom artificiell intelligens. En evolutionär algoritm fungerar genom urvalsprocessen där de minst passande medlemmarna i befolkningsuppsättningen elimineras, medan passande medlemmar får överleva och fortsätta tills bättre lösningar har fastställts. Med andra ord, evolutionära algoritmer är datorapplikationer som efterliknar biologiska processer för att lösa komplexa problem. Med tiden utvecklas de framgångsrika medlemmarna för att presentera den optimerade lösningen på problemet.
En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.
Techopedia förklarar Evolutionary Algoritm
Evolutionsalgoritmer använder sig av begrepp inom biologi som selektion, reproduktion och mutation. Det finns tre grundläggande typer av evolutionära algoritmer, nämligen:
- Genetiska algoritmer
- Evolutionär programmering
- Evolutionära strategier
Till skillnad från traditionella optimeringstekniker beror evolutionära algoritmer på slumpmässig sampling. En evolutionär algoritm har en population av kandidatlösningar, till skillnad från klassiska metoder, som försöker upprätthålla en enda bästa lösning. Det finns två förutsättningar förknippade med evolutionära algoritmer:
- Kandidatlösningarna måste kodas till frågan.
- En fitnessfunktion måste returnera en poäng mellan 1 och 100 så att evolutionära algoritmer kan vara bättre att använda på problemen.
Det finns många fördelar förknippade med evolutionära algoritmer. En av de största fördelarna är flexibilitetsvinsterna, eftersom de flesta evolutionära algoritmkoncept kan anpassas till även komplexa problem. De flesta evolutionära algoritmer passar också för att uppnå det objektiva målet. Bättre optimering är möjlig med evolutionära algoritmer, eftersom populationen av lösningar förhindrar algoritmen från att fastna i en viss lösning.
Det finns några nackdelar med evolutionära algoritmer. För det första är lösningen som tillhandahålls av en evolutionär algoritm bara bättre jämfört med andra kända lösningar. Som sådan kan algoritmen inte bevisa att någon lösning är helt optimal, bara att den är optimal jämfört med de andra resultaten.