Sự tiến hóa khác biệt là gì và nó so sánh với thuật toán di truyền như thế nào?

Question

Từ những gì tôi đã đọc cho đến nay chúng có vẻ rất giống nhau. Sự tiến hóa khác biệt sử dụng các số dấu phẩy động thay thế, và các giải pháp được gọi là các vectơ? Tôi không hoàn toàn chắc chắn điều đó có nghĩa là gì. Nếu ai đó có thể cung cấp một cái nhìn tổng quan với một chút về những lợi thế và bất lợi của cả hai.

Answer 1

Vâng, cả hai thuật toán di truyền và sự tiến hóa vi phân là ví dụ về tính toán tiến hóa.

Thuật toán di truyền giữ chặt chẽ với phép ẩn dụ về sinh sản di truyền. Ngay cả ngôn ngữ chủ yếu là giống nhau - cả hai đều nói về nhiễm sắc thể, cả hai đều nói về gen, gen là các bảng chữ cái riêng biệt, cả hai đều nói về sự giao nhau, và sự giao nhau khá gần với sự hiểu biết cấp thấp về tái tạo di truyền, v.v.

Sự tiến hóa khác biệt có cùng kiểu, nhưng các thư tín không chính xác. Thay đổi lớn đầu tiên là DE đang sử dụng các số thực thực tế (theo nghĩa nghiêm ngặt toán học-- chúng được thực hiện dưới dạng phao, hoặc tăng gấp đôi, hoặc bất kỳ thứ gì, nhưng về lý thuyết chúng khác nhau trong lĩnh vực thực tế). , ý tưởng đột biến và giao nhau là khác nhau đáng kể. Các nhà điều hành đột biến được sửa đổi cho đến nay mà nó khó cho tôi để thậm chí còn thấy lý do tại sao nó được gọi là đột biến, như vậy, ngoại trừ việc nó phục vụ cùng một mục đích của việc phá vỡ những thứ ra khỏi minima địa phương.

Mặt khác, có một số kết quả cho thấy DE thường hiệu quả hơn và/hoặc hiệu quả hơn các thuật toán di truyền. Và khi làm việc trong việc tối ưu hóa số, thật tuyệt khi có thể đại diện cho những thứ như những con số thực tế thay vì phải làm việc theo cách của bạn xung quanh với một kiểu biểu diễn nhiễm sắc thể, trước tiên. (Lưu ý: Tôi đã đọc về chúng, nhưng tôi đã không sai lầm rộng rãi với họ vì vậy tôi không thể thực sự nhận xét từ kiến ​​thức tay đầu tiên.)

Về mặt tiêu cực, tôi không nghĩ rằng có bất kỳ bằng chứng nào của hội tụ cho DEs, được nêu ra.

Answer 2

Differential tiến hóa thực sự là một tập hợp con cụ thể của không gian rộng hơn về thuật toán di truyền, với những hạn chế sau:

• Các kiểu gen là một số hình thức véc tơ giá trị thực hoạt động
• Các đột biến/chéo sử dụng của sự khác biệt giữa hai hoặc nhiều vectơ trong quần thể để tạo ra một vectơ mới (thường bằng cách thêm một số tỷ lệ ngẫu nhiên của sự khác biệt vào một trong các vectơ hiện có, cộng với một lượng nhỏ tiếng ồn ngẫu nhiên)

DE hoạt động tốt trong các tình huống nhất định vì các vectơ có thể được coi là tạo thành một "đám mây" khám phá các khu vực có giá trị cao của không gian giải pháp khá hiệu quả. Nó liên quan chặt chẽ đến tối ưu hóa bầy hạt trong một số giác quan.

Vẫn còn vấn đề GA thường gặp khi bị kẹt trong minima địa phương.