คำตอบของ Nick Alger นั้นดีมาก แต่ฉันจะทำให้มันเพิ่มขึ้นอีกเล็กน้อยด้วยวิธีการทางคณิตศาสตร์ตัวอย่างเช่นวิธี Metropolis-Hastings
สถานการณ์ที่ฉันจะสำรวจคือคุณมีประชากรหนึ่งคน คุณเสนอการกลายพันธุ์จากรัฐไปยังรัฐเจมีน่าจะเป็นQ ( ฉัน, J )และเรายังกำหนดเงื่อนไขที่ว่าQ ( ฉัน, J ) = Q ( J , ฉัน ) เราจะสมมติว่าF ( i ) > 0สำหรับiทั้งหมด; หากคุณไม่มีศูนย์ออกกำลังกายในแบบจำลองของคุณคุณสามารถแก้ไขได้โดยเพิ่มเอปไซลอนขนาดเล็กทุกที่ผมJQ ( i , j )Q ( i , j ) = Q ( j , i )F( i ) > 0ผม
เราจะยอมรับการเปลี่ยนจากเป็นjด้วยความน่าจะเป็น:ผมJ
ขั้นต่ำ( 1 , F)( j )F( i ))
กล่าวอีกนัยหนึ่งถ้าเหมาะสมมากกว่าเรามักจะรับมัน แต่ถ้าjไม่พอดีเราจะใช้ความน่าจะเป็นF ( j )JJมิฉะนั้นเราจะลองอีกครั้งจนกว่าเราจะยอมรับการกลายพันธุ์F( j )F( i )
ตอนนี้เราต้องการที่จะสำรวจ , ความน่าจะเป็นจริงว่าเราเปลี่ยนไปจากฉันไปเจP( i , j )ผมJ
เห็นได้ชัดว่ามัน:
P( i , j ) = Q ( i , j ) ขั้นต่ำ( 1 , F( j )F( i ))
สมมติว่า ) จากนั้นmin ( 1 , F ( j )F( j ) ≥ F( i )= 1 และอื่น ๆ :ขั้นต่ำ( 1 , F)( j )F( i ))
= F ( i ) Q ( i , j ) ขั้นต่ำ( 1 , F ( j )
F( ฉัน) P( i , j )
=F(i)Q(i,j)=Q(j,i)mฉันn(1,F(i)= F( i ) Q ( i , j ) ขั้นต่ำ( 1 , F)( j )F( i ))
= F( i ) Q ( i , j )
= Q ( j , i ) m i n ( 1 , F( i )F( j ))ฉ( j )
= F( J ) P( j , i )
i = jผมJ
F( ฉัน) P( i , j ) = F( J ) P( j , i )
สิ่งนี้น่าทึ่งด้วยเหตุผลสองสามข้อ
QFQ
ผม
ΣผมF( ฉัน) P( i , j ) = ∑ผมF( J ) P( j , i )
P( j , i )1ผม1
F( j ) = ∑ผมF( ฉัน) P( i , j )
F
แน่นอนว่านี่เป็นเพียงตัวอย่างเดียวจากหลาย ๆ ดังที่ฉันได้ระบุไว้ด้านล่างมันเป็นวิธีการที่อธิบายได้ง่ายมาก โดยทั่วไปคุณจะใช้ GA เพื่อสำรวจไฟล์ PDF แต่เพื่อหาวิธีการแบบสุดขั้วและคุณสามารถผ่อนคลายเงื่อนไขบางอย่างในกรณีนั้นและยังรับประกันการบรรจบกันในที่สุดด้วยความน่าจะเป็นสูง