进化算法和深度学习的一些思考

      本科时，毕设主要做了用粒子群算法对网络簇进行聚类，期间发现进化算法是个很符合大自然演变规律的算法，从一个种群中进行进化，每一代都会选择最好的个体保留并与历史最好个体比较，这样一来最终保留下来的必然是最好的个体，也就是最好的解，其中最大的难度是如何构建问题，将一个实际的问题转化为数学公式或者数学表达形式，其次是适应度的定义，一个好的定义可以使得进化速度大大增强，当初在做毕设时，遇到过适应度选取不同，对于最终的性能的影响很大。

       刚进研一，跟随着导师做基于和声搜索的特征选择，和声搜索也是一种进化算法，最大的特点是能够有个和声库，能够对每个变量进行单个优化，不像其他进化算法，是对整体进行移动，除此之外还学习了多个弱分类器集成强分类器的法力无边。

      进入研二，开始了深度神经网络的学习，发现真是个神奇的东西，已经把计算机视觉给统治了，最大的特点是模拟了人脑的结构，回想进化算法，模拟了种群生物的进化，人+生物不就是构成了大自然的演变及稳定吗？是不是可以先进化再稳定，目前有这种想法，想在神经网络压缩方面尝试这种想法。