Indhold
- Definition - Hvad betyder evolutionær algoritme?
- En introduktion til Microsoft Azure og Microsoft Cloud | Gennem hele denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
- Techopedia forklarer evolutionær algoritme
Definition - Hvad betyder evolutionær algoritme?
En evolutionær algoritme betragtes som en komponent i evolutionær beregning inden for kunstig intelligens. En evolutionær algoritme fungerer gennem udvælgelsesprocessen, hvor de mindst egnede medlemmer af befolkningsættet fjernes, hvorimod de fitne medlemmer får lov til at overleve og fortsætte, indtil bedre løsninger er bestemt. Evolutionære algoritmer er med andre ord computerapplikationer, der efterligner biologiske processer for at løse komplekse problemer. Over tid udvikler de succesrige medlemmer sig til at præsentere den optimerede løsning på problemet.
En introduktion til Microsoft Azure og Microsoft Cloud | Gennem hele denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
Techopedia forklarer evolutionær algoritme
Evolutionsalgoritmer gør brug af koncepter i biologi såsom selektion, reproduktion og mutation. Der er tre grundlæggende typer evolutionære algoritmer, nemlig:
- Genetiske algoritmer
- Evolutionsprogrammering
- Evolutionsstrategier
I modsætning til traditionelle optimeringsteknikker afhænger evolutionære algoritmer af tilfældig sampling. En evolutionær algoritme har en population af kandidatløsninger, i modsætning til klassiske metoder, der prøver at opretholde en enkelt bedste løsning. Der er to forudsætninger forbundet med evolutionære algoritmer:
- Kandidatløsningerne skal kodes til problemet.
- En fitness-funktion skal returnere en score mellem 1 og 100, så evolutionære algoritmer kan være bedre at anvende til problemerne.
Der er mange fordele forbundet med evolutionære algoritmer. En af de største fordele kommer i fleksibilitetsgevinsterne, da de fleste evolutionære algoritmekoncepter kan tilpasses til selv komplekse problemer. De fleste evolutionære algoritmer er også egnede til at opfylde det objektive mål. Bedre optimering er mulig med evolutionære algoritmer, da populationen af løsninger forhindrer algoritmen i at blive låst i en bestemt løsning.
Der er et par ulemper forbundet med evolutionære algoritmer. For det første er løsningen leveret af en evolutionær algoritme kun bedre, sammenlignet med andre kendte løsninger. Som sådan kan algoritmen ikke bevise, at nogen løsning er fuldstændig optimal, kun at den er optimal sammenlignet med de andre resultater.