machine-learning - 遗传算法是无监督学习的一种形式吗？

Question

我有一个非常简单的问题。但是，我进行了广泛的搜索，无法找到答案。遗传算法是否被认为是一种无监督学习形式？我知道算法是独立发展的，但是会定期测量群体中每个个体的适应度（监督？）。

我的算法的目标是通过遗传算法优化一组启发式权重。

谢谢您的帮助！——</p>

Answer 1

遗传算法可用于有监督和无监督学习，例如：

部署用于入侵检测的无监督遗传算法，（2008 年）。佐拉纳·班科维奇、斯洛博丹·博亚尼奇、奥克塔维奥·涅托、阿塔·巴迪。

如果您已标记训练数据或标记示例，那么您正在使用监督训练。

Answer 2

来自http://en.wikipedia.org/wiki/Unsupervised_learning

在机器学习中，无监督学习的问题是试图在未标记的数据中找到隐藏的结构。由于提供给学习者的示例没有标记，因此没有错误或奖励信号来评估潜在的解决方案。这将无监督学习与监督学习和强化学习区分开来。

从中可以清楚地看出，遗传算法不是无监督的，因为它们是根据适应度标准来衡量的。单个突变可能不受监督，但系统作为一个整体受到监督，因为突变要么被移除，要么基于它们为算法提供的适应度而构建。

来自http://en.wikipedia.org/wiki/Reinforcement_learning

强化学习是受行为主义心理学启发的机器学习领域，关注软件代理应如何在环境中采取行动，以最大化累积奖励的某些概念。由于其普遍性，该问题在许多其他学科中得到研究，例如博弈论、控制理论、运筹学、信息论、基于模拟的优化、统计学和遗传算法。

这有点暗示遗传算法被认为属于强化学习。