【文献阅读笔记】综述2005 《A Comprehensive Survey of Fitness Approximation in Evolutionary Computation》

  • Abstract

    • 本文主要回顾了估计精度,模型管理方法,模型构建方法
  • 1 Introduciton

    • 目前适应值估计的常用方法:
      • 多项式
      • 高斯过程
      • 前馈神经网络
      • SVM
    • 模型管理:估计模型和真实函数应该共同使用
    • 如何提高估计模型的精度
      • 模型的选择
      • 数据的采样和权重
      • 训练方法的选择
      • 误差测量的选择
  • 2 Motivations 使用估计模型的一些原因

    • 适应值的计算十分费时
    • 没有明确的计算模型
    • 有环境噪声
    • 函数是多模态的(波动较多,不够平滑)
      • 在不改变全局最优值位置的情况下,让估计模型逼近原函数且平滑掉一些局部最优值。推荐:使用Gaussian kernel来实现coarse-to-fine地平滑化real function
  • 3 估计的层次

    • 问题估计problem approximation
      • 用一个更简单的近似问题来替代原问题(e.g.实验变仿真,3D变2D)
    • 函数估计functional approximation
      • 构造一个显示表达式来替代原目标函数
    • 进化估计evolutionary approximation
      • “适应值继承”方法:用父代的适应值来评估子代的适应值
      • “适应值模仿”方法:将所有个体聚类,只评估每
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值