问题标签 [fitness]

我正在研究FANN（快速人工神经网络）来创建一个神经网络，以便在模拟中围绕轨道驾驶汽车。

可以在固定数据集上进行训练，但这不适合训练汽车驾驶。我想使用健身功能来训练我的神经网络。这可能吗？

是否可以告诉 FANN 使用适应度函数而不是固定数据集来训练 NN？

我有一个关于在获得适应度成比例概率时如何处理为 0 的适应度（适应度'？）的问题。如果成员的容器首先按最高适应度排序，则执行类似于以下的代码：

当我使用随机生成的成员手动进行一次迭代时，我看到的问题是我有一些成员的适应度为 0，但是当获得这些成员的概率时，它保持与最后一个非零成员相同的概率。有没有办法可以将非零概率与零概率分开？我在想，即使我根据最高适应度进行排序，最后一个非零成员的概率与零概率相同。

我正在使用 GA 方法研究 Maze Solver。每个基因组都有编码为字符（'N'、'S'、'E'、'W'）的方向，并且使用加权轮盘赌评估一代中的每个基因组的适应性和杂交。

到目前为止，这项任务进展顺利，但我注意到我的适应度函数有一个怪癖，即（我认为）给了我更长/不太理想的解决方案。

由于我的目标是在没有事先解决方案的情况下解决通用迷宫，我将我的适应度函数设置如下：（请忽略硬编码的开始和结束位置，这些将在以后变得通用......）

当我通过迷宫评估基因组字符串时，当基因组“撞”到墙上时，我增加一个惩罚计数器，当它没有时，我减少计数器。完成基因组后，我进行距离计算以找到从起点到终点的距离。最终适应度是 dist_from_start - dist_from_end - 惩罚。

这实际上工作得很好，基因组非常接近终点而不会撞到太多的墙壁......但我认为我过多地鼓励在迷宫中徘徊。我得到了很多人为增加分数的“WEWEWEWENSNSNSNSNS”......最近10代左右中最适合的人在迷宫中徘徊了很长时间才走到出口，有时他们没有得到所有的分数方式他们，因为他们花了太多时间来回。

我现在所拥有的还可以……但不是很好。我想要一些关于改善我的健身功能的建议。稍后我还将尝试不同的交叉和选择过程。提前致谢！

我正在尝试使用 Fitness api 在 android 上显示上周的数据，但出现以下错误：

E/AndroidRuntime：致命异常：主进程：com.example.admin.safely_counter，PID：7435 java.lang.IllegalStateException：当时间大于零时，不得在 UI 线程上调用 await。在 com.google.android.gms.common.internal.Preconditions.checkNotMainThread(Unknown Source) 在 com.google.android.gms.common.api.internal.BasePendingResult.await(Unknown Source) 在 com.example.admin.safely_counter .MainActivity.displayLastWeeksData(MainActivity.java:99) 位于 com.google.android.gms.common.internal.GmsClientEventManager.onConnectionSuccess 的 com.example.admin.safely_counter.MainActivity.onConnected(MainActivity.java:149)在 com.google。

MainActivity.java

我正在开发一个使用遗传算法来安排时间表的简单应用程序。我查看了各种示例，其中大多数似乎使用该算法在不同代数中达到初始指定解决方案，而不是基于约束的其他解决方案。

例如，在主类中：

输出：

我知道我必须以某种方式声明适应度函数。例如，1 代表白班，2 代表夜班。我的问题是如何添加 2 可以跟随 1 但是 1 不能跟随 2 的约束？我是否必须用一系列约束替换初始指定的解决方案？以及在代码中会是什么样子？

任何帮助表示赞赏，谢谢！

我在执行生成新人口时遇到了这个问题。我有一组矩阵，我定义了一个适应度函数，我需要适应度值尽可能低。所以我实现了重新创建种群的功能，只保留之前最好的个体，如下所示：

我的问题是，我得到的新一代并没有真正与第一代健康度最低的人一起订购！（ELIT 为 10，n_population 为 100）

我认为我的问题在于我所做的部分：

因为在我的脑海中，这应该保证我拥有我想要的 new_gen 中的第一个人。

我哪里错了？谢谢！

嗨，有什么方法可以从我的 Mi Band 2 获取步数和距离计数并解析托管在 000 网络主机上的 JSON？还是第三方应用程序这样做？

我正在开发一种遗传算法来解决二维背包问题。目前，我正在测试 50 个物品，每个物品都有重量、体积和价值。每个周期，10 个（我的 500 人中）最好的个体存活到下一个周期，在我最后的测试中，这 10 个始终是最好的解决方案，而其他 490 个中的一小部分共享该解决方案. 分析适应度图，在我看来，它收敛到最优解的速度太快了。但是，我如何确定我的算法是否良好以及我正在测试的问题是否很容易解决，或者我是否强制收敛太多，这可能导致过早收敛到更复杂的次优解决方案案例？下面的健身图。

我的问题是关于在我的遗传编程实现中在 DEAP/Python 中实现自定义适应度函数的可能性。

在搜索和阅读 DEAP 官方文档后，我没有找到任何关于它的信息，所以，如果你们中的任何一个可以帮助我，我将不胜感激。

谢谢。

我正在建立一个使用差分进化的推荐系统网站。该网站会询问用户的预算和一些标准，并将返回最佳套餐。数据字段看起来像这样，我有 8 个维度（表格）。

到目前为止，我已经提出了这个等式：

最后的 +1 不会被零除，因此 f=1 将是最佳成本/分数。

我已经尝试过这个公式，如果它找不到 f=1，那么成本会产生不好的结果。

有人有更好的解决方案或任何接近此类问题的文献吗？

提前致谢