机器学习12：演化学习

作者：非妃是公主
专栏：《机器学习》
个性签：顺境不惰，逆境不馁，以心制境，万事可成。——曾国藩

专栏地址

《机器学习》专栏地址

专栏系列文章

机器学习01：绪论

机器学习02：模型评估

机器学习03：线性回归与多分类学习

机器学习04：支持向量机

机器学习05：神经网络学习

机器学习06：决策树学习

机器学习07：贝叶斯学习

机器学习08：最近邻学习

机器学习09：无监督学习

机器学习10：集成学习

机器学习11：代价敏感学习

机器学习12：演化学习

演化学习基础知识

演化算法：或称“进化算法”，它 是一个“算法簇”，其灵感都来自于大自然的生物进化。演化算法有很多的版本，比如，有不同的遗传基因表达方式，不同的交叉和变异算子，以及不同的再生和选择方法，与传统的优化算法相比，演化算法的特点在于：

• 具有高鲁棒性和广泛适应性；
• 具有自组织、自适应、自学习的特性；
• 本质并行性；
• 能够不受问题性质的限制，有效处理传统优化算法难以解决的复杂问题。
  
  

遗传算法

遗传算法计算流程

遗传算法编码

适应性度量函数

选择

交叉

变异

演化神经网络

演化学习问题与挑战

• 存在的问题：对演化算法这类随机性启发式优化算法而言，其理论研究不，比如优化效率高低、与最优解的逼近程度如何、启发式算子效用评估等问题难以有严格的答案，这导致了演化学习也缺乏有效的理论解释。
• 挑战：近些年，一方面学习模型变得复杂、数据增长迅速、一方面对模型训练时间有严格约束，如何使得演化学习能够进行有效、快速地优化，还有待深入的研究。