王愛民從事APS方面的研究與系統(tǒng)開發(fā)和實施工作，APS的研究是離不開算法的。遺傳算法作為組合優(yōu)化的鼻祖，有汗牛充棟的研究積累，有各種鳥群、蟻群、魚群、貓群、狼群等等或有意義或無關(guān)痛癢的演變。正好今天抽空審稿了一篇這方面的論文，感覺有句話想說。關(guān)于遺傳算法的討論這是一個老話題了，也許我說的也是老生常談了無心意，但僅供參考吧。
首先，遺傳算法是用于解決組合優(yōu)化問題的。當(dāng)計算能力比較弱的時候，或者問題規(guī)模比較大的時候，如果采用窮舉的方法來解決組合優(yōu)化問題，一般來說是不現(xiàn)實的，所以遺傳算法就應(yīng)運而生。遺傳算法通過提供進化機制進行窮舉的控制，避免無謂的窮舉，相當(dāng)于減少了窮舉的規(guī)模，或者說是按照某種機制來進行部分的窮舉，以找到近優(yōu)或者次優(yōu)解的方案。
其次，遺傳算法在一定程度上是解決了或者說是嘗試解決啟發(fā)式規(guī)則方法只顧眼前的這個弊端。它采用的機制就是種群及其進化，種群當(dāng)中的每一個體其實都是一個完整的解決方案，它從整體上來考慮迭代尋優(yōu)，所謂站得高看得遠，其實就是形容它的。
第三，遺傳算法的生物進化機制以及帕累托解空間多目標(biāo)協(xié)同或綜合的方式一直是存在著大量的各種所謂的完善或者改進的。比如通過保留劣解或者說交叉變異來體現(xiàn)種群的多樣化以及跳出局部的最優(yōu)解，就如同白癡和天才很多時候都是集于一身的，如果按照正常的評價準(zhǔn)則來說的話白癡是要被淘汰的，但不妨礙它存在一些天才的基因。所以遺傳算法的適應(yīng)度函數(shù)這方面有可能可以采取一種根本性的改變辦法，比如體現(xiàn)對于優(yōu)秀基因的保留程度，而不是以一代的結(jié)果作為成敗選擇的依據(jù)，這也應(yīng)該是遺傳算法的一個發(fā)展方向。
第四，遺傳算法當(dāng)中的種群及其迭代其實是存在著很多隱藏的模式或者秩序的，當(dāng)前這個算法是通過遺傳進化機制來保證這些優(yōu)秀的影隱含模式或者秩序得以遺傳保留下去的，但現(xiàn)在大數(shù)據(jù)技術(shù)也在發(fā)展，有很多機器智能方法應(yīng)該也可以獲得這方面的。這應(yīng)該是遺傳算法或者大數(shù)據(jù)/機器學(xué)習(xí)可以雙向借鑒的后續(xù)的一個發(fā)展方向。
雖然遺傳算法解決了很多相對較為規(guī)范的問題，但是在類似APS這樣復(fù)雜的工業(yè)場景問題上其實一直解決的都不好(原因很多，此處省略一萬字…………見仁見智，容易爭論，就不多說了)。這方面的研究簡直是太多了，真的不是說研究成果不能落地，而是說可能根本就不是一個成果。但從學(xué)術(shù)性上來說，還是非常有意思的。我看好的是他背后隱藏的一些閃爍思想，而不是表面上所呈現(xiàn)出來的這個過程，這樣應(yīng)該才能最終對于實際應(yīng)用來提供幫助。
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
數(shù)據(jù)分類分級方法、標(biāo)準(zhǔn)及應(yīng)用實踐
