ดีที่สุดในแง่ใด
จากประสบการณ์ของฉัน GAs เป็นหนึ่งในเครื่องมือเพิ่มประสิทธิภาพที่ใช้งานได้จริงมากที่สุด ในขณะที่อัลกอริทึมที่แม่นยำมากขึ้นนั้นต้องใช้เวลาและความพยายามในการทำให้เป็นจริงปัญหาที่เกิดขึ้นจริงในโลกคณิตศาสตร์ GAs สามารถจัดการกับฟังก์ชันต้นทุนใด ๆ ด้วยกฎและข้อ จำกัด ที่ซับซ้อน (GAs เกี่ยวข้องโดยวิธีการดำเนินการ กระบวนการนี้ตรงไปตรงมาและคุณสามารถลองวิธีการมากมายสำหรับงานสำรวจ
ฉันขอขอบคุณที่มีความเป็นไปได้ที่จะนำเสนอโซลูชั่นที่ผ่านมาให้กับอัลกอริทึมสำหรับการทำงานในอนาคตซึ่งเป็นสิ่งที่ดีสำหรับงานที่ทำซ้ำ
แนวคิด, อัลกอริทึมทางพันธุกรรมสามารถถูกแสดงด้วย hashmap ของฟังก์ชั่นและเหมาะสมกับภาษาของฟังก์ชัน function เช่น Clojure ซึ่งเป็นภาษาที่คุณสามารถบรรลุผลลัพธ์ที่ยิ่งใหญ่ได้อย่างรวดเร็ว
อัลกอริทึมทางพันธุกรรมสามารถซ้อนกันได้: ฟังก์ชันต้นทุนของหนึ่ง GA สามารถเป็น GA ได้! อัลกอริธึมเหล่านี้ใช้ประโยชน์จากฮาร์ดแวร์และโครงสร้างพื้นฐานที่ทันสมัยซึ่งช่วยให้พวกเขาสามารถคำนวณประชากรจำนวนมากดังนั้น - แม้จะมีการกลายพันธุ์ / การเลือกอย่างง่าย - คุณยังสามารถบรรลุผลลัพธ์ที่ดีได้
แม้แต่ปัญหาง่ายๆเช่นการค้นหาฟังก์ชันคลื่นขั้นต่ำ GAs ก็ไม่ได้เลวร้ายและสามารถบรรลุความแม่นยำที่เหมาะสมในเวลาที่ยอมรับได้
ดังนั้นการแก้ปัญหาเชิงวิเคราะห์อาจมีเวลาดำเนินการและความแม่นยำที่รวดเร็วกว่า แต่เวลาที่ใช้ในการสร้างผลลัพธ์ที่เกินความคาดหมายมักเป็นประโยชน์! ดังนั้นเมื่อ ? เกือบทุกครั้งที่ฉันอย่างน้อยก็สำหรับ meta-optimization