artificial-intelligence - 线性遗传编程常数

Question

在内存寄存器中明确定义常量，而不是最初用常量播种个体并通过遗传算子使它们变异，有哪些优点和缺点？

具体来说，从我的一本关于线性遗传规划的书中读到这个：

在我们的实现中，所有寄存器都保存浮点值。在内部，常量存储在写保护的寄存器中，即不能成为目标寄存器。结果，这组可能的常数保持不变。

我想知道的是，这是否比最初随机生成常量并将它们集成到程序中，然后通过训练过程改进它们更好的方法。

谢谢

Answer 1

根据您对记忆寄存器一词的使用，我假设您指的是记忆增强的遗传编程技术。

即使使用内存寄存器，使用常量也是不正常的。取而代之的是，在遗传编程中使用内存等技术可以让您缓慢地改变您的内存寄存器，而不是进行突然的更改，使内存变得无关紧要。尽管如此，引入随机初始化的值仍然很常见，因此您可以进行随机重新启动以尝试逃避局部最优。

也许您正在考虑将所有内存寄存器设置为零或一些人工估计值？

编辑：

听起来他们有一些价值观，他们希望在不改变的情况下延续到所有世代。就个人而言，假设您的 GA 所在的环境可以更好地代表这种价值，假设它们在所有实例中共享。

如果它们没有跨实例共享，那么这可能反映了在设置中使用一些随机值播种种群的意图，这些随机值不应该被允许进化（至少，在给定的运行期间）。

如果您需要在复杂的背景下进化，并且希望在尝试更好地适应更复杂的可变环境情况之前，首先要很好地适应固定环境，那么第一种类型的常数（环境常数）可能很有用。

第二种常量（每个 DNA 实例）不是我使用过的东西，但我想如果分析师已经确定了一些“易失”变量，这些变量太混乱而无法持续进化，那么将它们“保护”为常量可能会很有用跑步。