最近有篇文章《AI Programmer: Autonomously Creating Software Programs Using Genetic Algorithms》火了,它主要是利用基因算法生成代码。没准儿以后能称为程序员居家旅行之必备。按说这个和深度学习一点关系都没有,但是我还是决定蹭个热度,写一写这篇文章刷一刷存在感。:)
基因算法,用高大上的词汇来说,属于机器学习(或者人工智能)里的进化主义,和深度学习所属的连接主义大相径庭,分属不同的山头。然而,二者隐含了一些相似之处。基因算法的fitness function 对应深度学习的loss function; 基因算法通过遗传和变异改进candidate, 以期达到更好的fitness, 深度学习通过back propagation更新weights,来减少loss
基因算法主要适用于寻找问题的最优解,也就是optimization问题,如果我们很好的做到以下两件事情,我们就可以利用GA(基因算法)为我们服务:
1. 定义需要最优化的fitness函数。这个fitness往往是我们需要最优化的那个函数。比如任意一个复杂的数学函数的最大(小)值,比如TSP问题中人需要行走的距离,比如自旋玻璃模型中的能量等等。换句话说,fitness函数是我们的任务目标在数学上的表达。
2. 定义问题的解空间。这个解空间必须是有限维度的而且可以表达的。它可以是数字,是符号,是任何可以表达的变量展开出来的空间。
有了以上两点,我们就可以定义candidates
每个candidate都是一个potential solution。 通过优解的结合和在子代身上适度的