La función de adecuación de los algoritmos genéticos es bastante más análoga a la función de pérdida del descenso de gradiente que la función de costo. En los algoritmos genéticos, las funciones de condición física se definen utilizando las características del individuo en las poblaciones, mientras que en el descenso de gradiente, se calcula una función de pérdida en función de los coeficientes de las variables. En este sentido, ambos se plantean como problemas de minimización / maximización, aunque en el caso de las funciones de estado físico, se busca maximizar el estado físico en las personas durante generaciones (lo que se hace al minimizar 1 / estado físico en general). Esto se logra a través de la evaluación de la aptitud, selección, recombinación y mutación. Dado que el descenso de gradiente es esencialmente una optimización convexa, las funciones de pérdida tienden a ser continuas, mientras que las funciones de aptitud en los algoritmos genéticos pueden no ser diferenciables o continuas (de ahí la necesidad de enfoques de optimización robustos como GA, en primer lugar).
¿Cuál es la diferencia entre la función de aptitud del algoritmo genético y la función de pérdida del descenso de gradiente?
Related Content
¿Los mismos algoritmos dan resultados diferentes en diferentes paquetes / idiomas?
Cómo encontrar los cambios mínimos necesarios para convertir una cuerda en un palíndromo
¿Cuál es el algoritmo de esta pregunta de Hacker-Rank?
¿Cuál es el programa C para encontrar la subsecuencia repetida más larga en un texto dado?
Básicamente, ninguno.
Ambos algoritmos, GA / EA y descenso de gradiente (estocástico) son algoritmos de optimización que necesitan una retroalimentación sobre la bondad de una solución que están evaluando actualmente, para “decidir” sus próximos “pasos” (estoy usando los términos “decidir” y “paso” libremente aquí). La función de pérdida proporciona una retroalimentación al descenso del gradiente, la función de aptitud proporciona una retroalimentación al GA / EA.
La principal diferencia es una cuestión de especificidad: el descenso de gradiente necesita una función de pérdida con ciertas características, mientras que un GA / EA puede usar cualquier tipo de función de condición física (aunque será más o menos eficiente dependiendo de la forma del paisaje de condición física creado por La función de fitness).
More Interesting
¿Debo conocer algoritmos y estructuras de datos si quiero ser un desarrollador de pila completa?
¿Alguna vez has usado los algoritmos que has aprendido en la universidad?
¿Cuál sería el plan de trabajo general o el calendario para as en programación competitiva?
¿Cuál es la complejidad temporal del montón y el tipo de montón?
¿Qué estructura de datos es adecuada para almacenar una gran cantidad de cadenas en Java?
¿Cómo funciona el algoritmo de 'forma de relleno' en los programas de dibujo?
¿Qué es la compresión de datos en la base de datos?
Solicitar respuestas (función Quora): ¿El algoritmo de crédito es proporcional?