เราจะเลือกจำนวนพารามิเตอร์ที่เหมาะสมสำหรับอัลกอริธึมทางพันธุกรรมเพื่อสร้างแบบจำลองระบบที่กำหนดได้อย่างไร?
ตัวอย่างเช่นสมมติว่าคุณต้องการเพิ่มประสิทธิภาพการผลิตรถยนต์และคุณมี 1,000 วัดประสิทธิภาพต่อชั่วโมงในงานต่าง ๆ สำหรับพนักงาน 1,000 คนที่แตกต่างกัน ดังนั้นคุณมี 1,000,000 จุดข้อมูล ส่วนใหญ่เหล่านี้มีแนวโน้มที่จะมีความสัมพันธ์ที่ไม่ค่อยจะประสิทธิภาพโดยรวมของโรงงานของคุณ แต่ไม่ได้จึงไม่ค่อยที่คุณสามารถพูดได้ว่าพวกเขาจะไม่เกี่ยวข้องกับความเชื่อมั่นทางสถิติ คุณจะเลือกอินพุตสำหรับ GA ของคุณอย่างไรเพื่อที่คุณจะได้ไม่ต้องมีอิสระ 1,000,000+ องศาทำให้เกิดการลู่เข้าที่ช้ามากหรือไม่มีการลู่เข้าเลย
โดยเฉพาะขั้นตอนวิธีใดบ้างที่เราสามารถใช้เพื่อเลือกล่วงหน้าหรือกำจัดคุณลักษณะที่เลือกได้
วิธีการหนึ่งที่ฉันได้ใช้ตัวเองอยู่ในสถานการณ์นี้จะพัฒนาตัวเลือกพารามิเตอร์ตัวเองดังนั้นผมอาจจะมีพ่อแม่เหมือน{a,b,c}
, {b,d,e,q,x,y,z}
และอื่น ๆ ฉันจะทำให้เด็กกลายพันธุ์เพื่อเพิ่มหรือลดคุณสมบัติ ใช้งานได้ดีกับคุณสมบัติโหล แต่ปัญหาคือว่ามันไม่มีประสิทธิภาพถ้ามีองศาอิสระจำนวนมาก ในกรณีนี้คุณกำลังดู10^n
ชุดค่าผสม (ในตัวอย่างด้านบน10^1,000,000
) ซึ่งทำให้การกรองคุณสมบัติบางอย่างมีความสำคัญอย่างยิ่งเพื่อให้ได้ประสิทธิภาพที่มีประโยชน์