Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w wiadomości
news:7aef3e64-3e94-42af-82e4-784a813e6f34@p20g2000vb
l.googlegroups.com...

>Nie rozumiem dlaczego w takim problemie jakiekolwiek krzyżowanie
>dobrych osobników ma dawać większe prawdopodobieństwo powstania
>lepszego osobnika. Jakie to by musiało być krzyżowanie?

No i właśnie dlatego bezpośrednie zastosowanie AG w tym przypadku jest do d
... ;)

> No właśnie nie, polegałem na "sile algorytmu genetycznego", w
> ewolucji poniekąd sobie poradziły ;-)
Ewolucja rozwiązuje wiele, wiele mniej lub bardziej powiązanych
problemów jednocześnie i kombinuje z łączeniem tych rozwiązań
w całość.
U Ciebie, póki co - problem jest jeden - funkcja F - o której
nie wiemy nic ... Czy jest monotoniczna, czy ma jakieś minima-maksima itp
(w zależności od rekordu i w zależności od T(i) ). Np. proste pytanie:
Czy jeśli F ([x,y,z], k) ) daje wysoki wynik, to jest szansa, że
F ([x,y,A], k) ) również da wysoki wynik ?

>Coś w rodzaju:
>max (\sum_{i=1}^{i=N} F( i , T( i ) )
>
>N - ilość rekordów
>i = 1..N - to numer rekordu
>T( i ) szukany klasyfikator, przypisująca numer klasy 1..G rekordowi i
>F( i , T(i) ) to dowolna funkcja przypisująca dowolne wartości
>rekordowi i klasie - inaczej: funkcja F ocenia jakość klasyfikatora T
>( i ).
>
>Trzeba znaleźć takie T żeby suma F była maksymalna.
>Ograniczenia nałożone na T są mniej/więcej takie:
> - ma być drzewem klasyfikującym
> - ma zawierać mało węzłów względem ilości rekordów, np. N*10^-5 -
>N*10^-6

Oki, to sprawa jest dużo jaśniejsza.
Natomiast wydaje mi się, że kluczem do dobrego algorytmu AG jest tu
jednak przyjrzenie się funkcji F i próba określenia jakichś jej własności.
Jak znajdę w domu czas, to jeszcze nad tym poślęczę ... Brakuje mi tu
jakiejś podpowiedzi dot. tego, czy klasy są podobne - tzn, czy
są klasy, które dają podobne wyniki funkcji F dla podobnych rekordów.
Wtedy krzyżowanie parametrów klasyfikatora będzie miało sens.
Jeśli nie ma takich podobieństw między klasami (z punktu widzenia
funkcji F) to mamy problem kombinatoryczny i trzeba by spróbować
inaczej go podejść.

Pierwsza rzecz, która mi się narzuca, to:
- zostawić krzyżowanie, tak jak miałeś, ale funkcję oceny zdefiniować
nie jako pełne sumowanie po wszystkich rekordach (tak zdaje się
zrobiłeś - testujesz klasyfikator po wszystkim), ale wybierasz za
każdym razem jakiś losowy zestaw rekordów ze zbioru, np. 10-100
(losową próbkę, im więcej kolumn, tym większą), dla każdego
z nich liczysz F i funkcją oceny jest albo max z tych wyników
cząstkowych, albo suma. Pokombinowałbym z maxem.

Nie upierałbym się też przy znlezieniu absolutnie idealnego T, ale
zadowoliłbym się 'prawie idalnym' - badaj wykres funkcji
przystosowania najlepszego osobnika w zależności od iteracji.