如何设计深圳网站建设工作室的高效网站导航栏？

网站导航栏模板怎么做,深圳网站建设 工作室,北京百度推广代理公司,wordpress 文章段落原文#xff1a;Artificial Intelligence with Python 协议#xff1a;CC BY-NC-SA 4.0 译者#xff1a;飞龙 本文来自【ApacheCN 深度学习 译文集】#xff0c;采用译后编辑#xff08;MTPE#xff09;流程来尽可能提升效率。 不要担心自己的形象#xff0c;只关心如何… 原文Artificial Intelligence with Python 协议CC BY-NC-SA 4.0 译者飞龙 本文来自【ApacheCN 深度学习 译文集】采用译后编辑MTPE流程来尽可能提升效率。 不要担心自己的形象只关心如何实现目标。——《原则》生活原则 2.3.c 11 遗传算法和遗传编程 在本章中我们将学习遗传算法。 首先我们将描述什么是遗传算法然后将讨论进化算法和遗传编程的概念并了解它们与遗传算法的关系。 我们将学习遗传算法的基本构建模块包括交叉变异和适应度函数。 然后我们将使用这些概念来构建各种系统。 在本章结束时您将对以下内容有更好的理解 进化和遗传算法遗传算法的基本概念使用预定义参数生成位模式可视化进化过程解决符号回归问题构建智能机器人控制器 进化论者流派 正如我们在书的开头提到的那样研究遗传算法和遗传编程的计算机科学和数据科学研究人员是 Pedro Domingos 定义的进化论流派的一部分。 在某些方面这个流派不在前面和中间。 连接主义者在阳光下度过一天似乎在聚光灯下度过了愉快的时光。 正如 Domingos 博士所强调的那样随着 CPU 的速度越来越快并且在这一领域进行了更多的研究如果在未来几年中出现新的令人兴奋的前沿研究不要感到惊讶。 他们已经在该领域做出了许多强大的创新性贡献并将继续这样做。 了解进化和遗传算法 遗传算法是一种进化算法。 因此为了理解遗传算法我们需要讨论进化算法。 进化算法是一种运用启发式原理解决问题的元启发式优化算法。 进化的概念就像我们在自然界中发现的那样。 就像环境通过进化积极驱动“解决方案”一样我们直接使用问题的函数和变量来得出解决方案。 但是在遗传算法中任何给定的问题都以该算法操纵的位模式进行编码。 自主地解决问题是人工智能和机器学习的中心目标。 遗传算法GA是一种进化计算技术可自动解决问题而无需用户事先知道或指定解决方案的形式或结构。 从最抽象的层次上讲GA 是计算机自动解决问题的一种系统的与领域无关的方法它从需要做什么的高级说明开始。 进化算法的基本步骤如下 “步骤 1” 随机生成数据点或个体的初始种群。 由 GA 定义的个体是具有某些特征或特征的群体的成员。 在算法的后续步骤中我们将确定这些特征是否使个体能够适应环境并生存足够长的时间以产生后代。 “步骤 2” 循环执行以下步骤直到终止 评估该群体中每个个体的健康状况。 选择最适合繁殖的个体。 通过交叉和变异操作育出新个体以产生后代。 评估新个体的个体适应性。 用新的个体代替最不适合的群体。 使用预定义的适应度函数确定个体的适应度。 短语适者生存发挥作用。 然后我们选择这些选定的个体并通过重组和突变创建下一代个体。 我们将在下一部分中讨论重组和突变的概念。 现在让我们将这些技术视为通过将选定的个体视为父代来创造下一代的机制。 一旦执行重组和突变我们将创建一组新的个体这些个体将与旧个体竞争下一代的位置。 通过抛弃最弱的个体并用后代代替它们我们正在提高总体的整体适应水平。 我们继续进行迭代直到达到所需的总体适应性。 遗传算法是一种进化算法在该算法中我们使用启发式算法来找到解决问题的字符串。 我们不断地对总体进行迭代以找到解决方案。 我们通过产生包含更健康个体的新种群来做到这一点。 我们应用概率运算符例如选择交叉和突变以便生成下一代个体。 个体用字符串表示其中每个字符串都是潜在解决方案的编码版本。 使用适应性函数评估每个字符串的适应性度量告诉我们解决问题的适用性。 该适应度函数也称为评估函数。 GA 会应用受自然启发的操作这就是为什么该术语与生物生物学中发现的术语紧密相关的原因。 遗传算法的基本概念 为了建立 GA我们需要了解几个关键概念和术语。 这些概念在 GA 的整个领域中得到广泛使用以构建针对各种问题的解决方案。 GA 的最重要方面之一是随机性。 为了进行迭代它依赖于对个体的随机采样。 这意味着该过程是不确定的。 因此如果您多次运行相同的算法则可能会得到不同的解决方案。 现在让我们定义术语总体。 总体是一组可能的候选解决方案。