Нейронные сети и генетические алгоритмы

Генетические алгоритмы были предложены Холландом (Holland, 1975) и основаны на принципах эволюции. Сущность их состоит в следующем.

Имеется некоторая популяция индивидуумов, каждый из которых может быть представлен двоичной последовательностью или строкой символов какого-либо иного алфавита. Для каждого индивидуума (фенотипа) можно определить значение некоторой функции эффективности (Fitness-Function). Задача состоит в максимизации этой функции эффективности. Цель генетических алгоритмов состоит в том, чтобы в процессе ряда операций получать каждый раз лучшие индивидуумы (индивидуумы с большими значениями функции эффективности). Формирование новых индивидуумов осуществляется в результате селекции лучших индивидуумов (индивидуумов с лучшими значениями функции эффективности) для образования потомства на основе случайного процесса отбора. При этом каждый раз выбираются два индивидуума, производится скрещивание обоих бинарных векторов на основе одного из операторов скрещивания, в результате чего возникают два новых индивидуума (ребенка). Эти новые индивиды могут быть подвергнуты затем с очень малой вероятностью операции мутации, состоящей в инвертировании одного случайно выбранного бита (разряда) двоичного слова.

Ниже мы ограничимся лишь изложением основ применений генетических алгоритмов в нейросетях.