Problemy decyzyjne nie są odpowiednie do zastosowania w algorytmach ewolucyjnych, ponieważ nie można zoptymalizować/ewoluować prostego środka pomiaru prawidłowego/niewłaściwego. Jakie są więc metody/techniki przekształcania problemów decyzyjnych w problemy optymalizacyjne?Przekształcanie problemów decyzyjnych w problemy optymalizacji? (algorytmy ewolucyjne)
Na przykład obecnie pracuję nad problemem, w którym sprawność fizyczna jednostki zależy w dużym stopniu od wydajności, którą produkuje. W zależności od uporządkowania genów, jednostka nie wytwarza żadnego wyjścia lub doskonałej wydajności - nie "pomiędzy" (a zatem bez wzniesień). Jedna niewielka zmiana w porządku genetycznym osobnika może mieć drastyczny wpływ na kondycję jednostki, więc zastosowanie algorytmu ewolucyjnego zasadniczo jest przypadkowym wyszukiwaniem.
Niektóre odniesienia do literatury byłyby przyjemne, jeśli się o nich wie.
Czy wszystkie doskonałe wyniki są równie doskonałe? Czy wszystkie wyjścia nie są tak samo prawdopodobne, aby uzyskać idealną wydajność? –
Na pierwsze pytanie, tak. Jeśli chodzi o drugie pytanie, niektóre z nich mogą być bliższe doskonałemu rozwiązaniu pod względem struktury genetycznej, ale z punktu widzenia sprawności fizycznej, ponieważ nie produkują żadnych wyników, mają taką samą słabą kondycję fizyczną, jak te, które mogą nie być tak bliskie. –
Wygląda na to, że odpowiedziałeś na własne pytanie: jeśli nie ma wzniesienia, każda forma optymalizacji wspinaczki górskiej po prostu nie daje żadnej przyczepności. Poza generalnym machaniem ręką o inkrementalizmie i częściowych rozwiązaniach, trudno sobie wyobrazić, że możliwe jest ogólne rozwiązanie. –