最近有兴趣将遗传算法和神经网络结合到一个通用的神经进化框架中。基本思想是，您的遗传算法正在演变许多神经网络的参数，然后用于解决您手头的任务。一种遗传编程，但不是进化一段代码来完成某些任务，而是进化一个神经网络。
我什么时候应该使用这种组合方法，而不是单独使用神经网络或遗传算法？对于哪些类型的问题，组合方法比单独方法产生了更好的结果？对于哪些类型的问题，组合方法是“最佳”方法？
在哪些任务上，神经进化优于神经网络或遗传算法的基本应用？
机器算法验证
神经网络
遗传算法
2022-03-21 15:32:47
1个回答
这已经研究了 20 年左右，并且有许多论文声称优于反向传播。Xin Yao 在 1990 年代在这方面做了很多工作，Kenneth Stanley 创建了当前最活跃的框架之一，NEAT（增强拓扑的神经进化（参见http://www.cs.ucf.edu/~kstanley/neat. html和http://tech.groups.yahoo.com/group/neat/）。
有很多关于不同神经进化技术的已发表材料，但这些参考资料可能有助于了解多年来的进步：
- Azzini, A., Tettamanzi, A. (2008)“用于静态单头寸自动交易的不断发展的神经网络”，《人工进化与应用杂志》，2008 年卷，文章 ID 184286
- Hintz, KJ, Spofford, JJ (1990) “进化神经网络”，论文集，第五届 IEEE 智能控制国际研讨会，第 479-484 页
- Miller, GF, Todd, PM, Hedge, SU (1989) “使用遗传算法设计神经网络”，第三届遗传算法国际会议论文集
- 蒙大拿州，DJ（1995 年）“使用遗传算法的神经网络权重选择”，智能混合系统
- Yao, X. (1993) '进化人工神经网络'，国际神经系统杂志，卷。4，第 3 期，第 203-222 页
其它你可能感兴趣的问题