进化算法EA
文章平均质量分 77
EA
Pengsen Ma
这个作者很懒,什么都没留下…
展开
-
conformational space annealing (CSA) 构象空间退火
模拟退火算法的关键在于它通过在早期阶段接受次优解,增加了探索解空间的多样性,从而降低了陷入局部最优解的风险。随着温度的降低,算法逐渐转向更加精细的搜索,最终收敛至全局最优解或接近最优的解。:CSA 结合了遗传算法中的交叉和变异操作,这意味着它会在保留的构象之间交换信息,并引入新的变异,以探索新的可能构象。:算法通过模拟退火过程来探索这个空间,这是一种优化技术,它模仿物理过程中物质在冷却时能量逐渐降低的方式。:算法在多维的构象空间中工作,这个空间包含了分子可能采取的所有空间结构。原创 2024-01-24 10:52:52 · 809 阅读 · 0 评论 -
Lamarckian evolutionary algorithm(拉马克进化算法)
是一种基于生物进化理论的算法,具体来说,它是基于让-巴蒂斯特·拉马克(Jean-Baptiste Lamarck)提出的进化理论。拉马克的理论与查尔斯·达尔文的自然选择理论不同,主要特点是“用进废退”和“遗传获得特征”。在传统的达尔文进化算法中,个体通过随机变异和自然选择来适应环境。而在拉马克式的算法中,。这种算法在某些优化问题中特别有用,因为它能够快速适应并找到解决方案。然而,它也有局限性,因为它依赖于能够有效学习和传递特征的机制。原创 2024-01-22 21:11:02 · 565 阅读 · 0 评论 -
分子论文中的交叉/变异操作如何做的?
这里用的是一个化学反应预测的transformer模型 MT。原创 2023-09-19 16:20:48 · 25 阅读 · 0 评论 -
小生境共享
来自于生物学的一个概念,是指特定环境下的一种生存环境,生物在其进化过程中,一般总是与自己相同的物种生活在一起,共同繁衍后代。例如,热带鱼不能在较冷的地带生存,而北极熊也不能在热带生存。把这种思想提炼出来,运用到优化上来的关键操作是:当两个个体的海明距离小于预先指定的某个值(称之为小生境距离)时,惩罚其中适应值较小的个体。在信息编码中,两个合法代码对应位上编码不同的位数称为码距,又称海明距离。例如,10101和00110从第一位开始依次有第一位、第四、第五位不同,则海明距离为3。小生境(Niche)原创 2023-07-05 16:54:17 · 247 阅读 · 0 评论 -
【TEVC 2023】用于进化计算的知识学习 + 进化计算(Evolutionary computation (EC) )其中的一些概念
在EC算法的进化过程中,会产生大量数据,这些数据可以显式或隐式地揭示个体的进化行为。例如,在DE的进化过程中,成功的微分向量揭示了每个个体的成功行为。在粒子群中,成功的速度可以引导粒子接近全局最优。进化计算(Evolutionary computation (EC) )是一种从自然进化和群体智能行为(swarm intelligence behaviors)中汲取灵感的元启发式算法。差分进化(differential evolution (DE))1、进化算法(EA)原创 2023-07-05 11:06:10 · 666 阅读 · 0 评论 -
【NM 2019】综述:基于机器学习引导的定向进化蛋白质工程
机器学习引导的定向进化蛋白质工程。原创 2023-06-25 09:16:53 · 663 阅读 · 0 评论 -
差分进化算法
在差分进化算法中,每轮迭代会选择三个不同的个体作为参考,分别称为基向量(Base Vector)、第一随机向量(Random Vector1)和第二随机向量(Random Vector2)。通过基向量和两个随机向量之间的差分计算得到差分向量,然后再通过差分向量和某个父代个体向量的线性组合生成一个新的变异向量。综上所述,差分进化算法的变异向量是由父代差分向量和父代个体向量交叉生成的,然后直接与其父代个体进行选择。具体地说,差分进化算法的变异操作涉及到两种向量:父代个体向量和差分向量。原创 2023-05-22 11:18:58 · 968 阅读 · 0 评论 -
机器学习中四类进化算法的详解(遗传算法、差分进化算法、协同进化算法、分布估计算法)
以上四类算法是进化类的优化算法,基本原理和思想都是在遗传算法的基础上引入不同的机制(多种群、概率分布等),以上就是今天我为大家分享的内容,有不懂的小伙伴可以随时私信我,相互交流相互探讨,本作者会持续更新科研、算法等相关知识干货,更新整理不易,知友多多关注支持。交叉算子要根据被优化问题的特性来设计,它是整个遗传算法的核心,它被设计的好坏将直接决定整个算法性能的优劣。复杂问题分解为子问题,子问题在进化的子种群中解决,个体的评估依赖于子种群间的合作,由各子种群的代表性个体组合而得完整的解决方案。原创 2023-05-22 11:07:48 · 3827 阅读 · 0 评论 -
诺贝尔化学奖:酶分子“定向进化”
诺贝尔化学奖:酶分子定向进化,这是什么技术?!我来告诉你! – BioEngX诺奖得主Frances H. Arnold专访——酶的定向进化_设计原创 2023-05-21 09:59:32 · 3296 阅读 · 1 评论 -
【NMI 2021】从生物学角度看进化计算(6个生物进化特征)
在进化计算中,可以使用多种策略,来增加基因型和表现型之间的复杂度,例如神经进化中最初的HyperNEAT[A Hypercube-Based Encoding for Evolving Large-Scale Neural Networks],通过神经网络对称,让一个神经网络通过进化,为另一个真正完成具体任务的网络赋予权重,这类似人类大脑中负责学习技能的神经网络,可操纵真正执行技能的网络。而进化中的跃迁,则是生命进化过程中最难能可贵之处的闪光处,需要结合上述多条路线,并引入新的规则,才可能实现。原创 2023-05-21 09:58:02 · 1019 阅读 · 0 评论 -
【Genome Biology 2023】EvoAug:通过进化启发的数据增强,提高基因组 DNN 的泛化和可解释性
使用 EvoAug 训练 DNN 可以带来更好的泛化性能,并通过标准的事后解释方法提高效率,包括过滤器可解释性和归因分析,跨越成熟的 DNN 的重要监管基因组学预测任务。结果表明,EvoAug 显著提高了已建立的 DNN 在突出的监管基因组学预测任务中的泛化和可解释性,为基因组 DNN 提供了强大的解决方案。但是,随着数据集大小的增加,它们的有效性预计会降低。为了解决这个问题,冷泉港实验室的研究人员提出了 EvoAug,这是一套受进化启发的数据增强,通过增加遗传变异来增强基因组 DNN 的训练。原创 2023-05-19 13:50:57 · 515 阅读 · 0 评论 -
【IEEE CIM 2023】基于多目标进化算法的抗菌肽设计方法
它不仅考虑个体的表现,还考虑到它所在的生境。通常情况下,适应度函数应该通过惩罚函数的方式,惩罚那些与同一生境中的其他个体过于相似的个体。选择操作:在选择操作中,需要根据适应度函数对种群中的个体进行选择。不同于传统进化算法中的选择操作,小生境共享中的选择操作通常是以生境为单位进行的。也就是说,原创 2023-05-19 13:45:19 · 824 阅读 · 0 评论 -
【NB 2023】从一般蛋白质语言模型中高效进化人类抗体
Nat. Biotechnol. | 从一般蛋白质语言模型中高效进化人类抗体 - 知乎仅从蛋白质语言模型和序列信息中高效地进化人类抗体 - 哔哩哔哩原创 2023-05-16 15:52:03 · 699 阅读 · 0 评论 -
4.2、NEAT 监督学习 Supervised learning
关于最下面的那个神经网络图, 需要说明一下, 如果是实线, 如 B->1, B->2, 说明这个链接是 Enabled 的. 如果是虚线(点线), 如 B->A XOR B 就说明这个链接是 Disabled 的. 红色的线代表 weight 0. 线的宽度和 weight 的大小有关.接着我们来说说 neat-python 网页上的一个使用例子, 用 neat 来进化出一个神经网络预测 XOR 判断(一样的输出False,不一样输出True)原创 2023-05-19 17:02:44 · 155 阅读 · 0 评论 -
4.1、神经网络进化NE(Neuro Evolution)
人工神经网络将观测到的信息通过类似电信号的方式正向传播, 获取深程度的理解, 然后输出自己的判断. 最后通过对比自己的判断和真实数据, 将误差反向传播, 更新自己的网络参数.原创 2023-05-19 10:32:10 · 619 阅读 · 0 评论 -
3.1、进化策略 Evolution Strategy(ES)
我们之前说到, 一般的遗传算法使用的 DNA 是二进制编码的, 爸妈的 DNA 通过交叉配对, 组成宝宝的 DNA, 宝宝也会通过一定的变异获得新的功能. 但一般的进化策略却有些不同。原创 2023-05-18 10:04:36 · 356 阅读 · 0 评论 -
2.3、微生物遗传算法 Microbial Genetic Algorithm
说到遗传算法 (GA), 有一点不得不提的是如何有效保留好的父母 (Elitism), 让好的父母不会消失掉. 这也是永远都给自己留条后路的意思. Microbial GA (后面统称 MGA) 就是一个很好的保留 Elitism 的算法., 这样在这次选着中, 大球不会被改变任何东西, 就被放回了袋子, 当作下一代的一部分。在袋子里抽两个球, 对比两个球, 把球大的放回袋子里, 把球小的变一下再放回袋子里。原创 2023-05-17 17:19:11 · 104 阅读 · 0 评论 -
2.2、遗传算法-句子配对
【代码】2.2、遗传算法-句子配对。原创 2023-05-17 16:58:48 · 109 阅读 · 0 评论 -
2.1、遗传算法-DNA遗传示例
所有的遗传算法 (Genetic Algorithm), 后面都简称 GA, 我们都需要一个评估好坏的方程, 这个方程通常被称为 fitness. 在今天的问题中, 我们找到下面这个曲线当中的最高点. 那么这个 fitness 方程就很好定, 越高的点, fitness 越高.如果这个曲线上任一点的 y 值是。原创 2023-05-17 14:42:35 · 136 阅读 · 0 评论 -
1、遗传算法(Genetic Algorithm,GA)和进化算法EA基本概念理念
Code: https://github.com/MorvanZhou/Evolutionary-Algorithm介绍:进化算法 (Evolutionary-Algorithm) | 莫烦Python原创 2023-05-17 14:18:46 · 1245 阅读 · 0 评论