遺伝的アルゴリズムを使用する利点

他の従来の検索および最適化方法と比較した遺伝的アルゴリズムの利点を誰かが説明できますか？

遺伝的アルゴリズムを使用する主な理由は次のとおりです。

• 複数のローカル最適があります
• 目的関数は滑らかではありません（そのため微分法は適用できません）
• パラメータの数が非常に多い
• 目的関数はノイズが多いか確率的です

勾配の定義がない場合、派生ベースのメソッドでは多数のパラメーターが問題になる可能性があります。このタイプの状況では、GAを介してひどい解決策を見つけてから、デリバティブベースの方法でそれを改善できます。「大」の定義は常に拡大しています。

• コンセプトはわかりやすい
• モジュール式、アプリケーションとは別
• 多目的をサポート
• 「ノイズの多い」環境に最適
• 常に答え。時間とともに答えは良くなる
• 本質的に並列。簡単に配布

遺伝的アルゴリズムは、次の4つの重要な点で従来の検索および最適化方法と異なります。

• 遺伝的アルゴリズムは、ポイントの集団から並列検索します。したがって、単一のポイントから検索する従来の方法のようなローカルの最適なソリューションに閉じ込められることを回避する機能があります。
• 遺伝的アルゴリズムは、決定論的な規則ではなく、確率的な選択規則を使用します。
• 遺伝的アルゴリズムは、パラメーター自体ではなく、潜在的なソリューションのパラメーターのエンコードされたバージョンである染色体で動作します。
• 遺伝的アルゴリズムは、他の派生情報や補助情報なしで、目的関数から取得されるフィットネススコアを使用します

遺伝的アルゴリズムは一種の最後の手段です。これらは、分析ソリューションが実行可能でない場合にのみ役立ち（最も一般的な理由についてはPatrickの回答を参照してください）、手に多くのCPU時間がある場合のみです。