genetic programming:遗传编程
遗传编程(genetic programming)是利用生物进化思想来解决复杂问题的一种编程模型。在大量的程序中,最有效的程序是那些可以与其他程序竞争或兼容而生存下来,可以继续达到解决方案需求的程序。遗传编程对于解决那些有大量变动变量的问题(如与人工智能有关的问题)是最适合的方法。遗传编程模型一般与LISP和规划编程语言结合使用,而且它还可以与C语言以及其他语言结合使用。 遗传编程可以被视为遗传算法的一种扩展,遗传算法是一种从一系列的结果中测试并选择出最佳方案的模型。选择最成功的程序有两种方案,一个是兼容方案,一种是锦标赛法或者竞争方案。使用遗传编程的一个难点就是确定适应度函数,这是一个程序能够达到最终目标的度。一个简单的适于遗传编程的例子就是设计用于射击的程序。未击中目标的子弹距离靶心的距离将决定适应度函数。 遗传编程是一个新的方法,程序员要掌握这种方法需要投入大量的时间来学习。
最近更新时间:2008-06-17 EN
相关推荐
-
量子计算的现状:企业需要知道什么
我们很难明确说明量子计算的现状。这项新兴技术目前面对的是不断变化的主张、不确定的时间表和分散的技术格局。 考虑 […]
-
如何保护AI基础设施:最佳做法
AI和生成式AI给企业带来巨大的创新机会,但随着这些工具变得越来越普遍,它们也吸引着恶意攻击者来探测其潜在漏洞 […]
-
最常见的数字身份验证方式?
数字身份验证是验证用户或设备身份的过程,以便能够访问敏感应用程序、数据和服务。现在有多种方法可以验证身份。以下 […]
-
零信任策略使网络面临横向威胁
很多公司忽视零信任安全的核心原则:假设网络已经受到攻击。 企业管理协会(EMA)的研究发现这个被忽视的零信任原 […]