第一次接触GEP(Gene Expression Programming,基因表达式编程)算法是五年前公司做过的一个供热优化控制项目,一接触就被它简洁精妙的设计思想所吸引。GEP由传统遗传算法进化而来,其融合了GA(Genetic Algorithms,遗传算法)和GP(Genetic Programming,遗传程序设计)设计思想,并加以改造提升。GEP保留了GA具有的并行性和全局寻优能力,又吸收了GP树形结构灵活多变的特点,并且在运行速度与基因表现型有效性比原来的两种算法有了非常大的提升,效率比原有方法提高100-60,000倍。
近些年来,机器学习、人工智能技术与应用快速发展,深度学习日益受到人们的重视并成为当前学习研究的重点,而遗传算法等其它机器学习方法却被人们冷落。其实深度学习与遗传算法有共同点也有各自的特点:
· 相同点:神经网络与遗传算法都是基于样本数据通过迭代逐步优化获取结果;
· 不同点:深度学习是通过构建模拟人脑进行分析学习的神经网络,基于大量样本数据学习获取解决某一领域问题的解决方案(模型)<