최근 멀티 프로세싱 모듈과 mpi4py를 통신 도구로 사용하여 병렬 응용 프로그램의 성능을 측정했을 때 이상한 결과가 나타났습니다. 응용 프로그램은 데이터 세트에서 진화 알고리즘을 수행합니다. 대부분의 작업은 평가를 제외하고 순차적으로 수행됩니다. 모든 진화 오퍼레이터가 적용된 후에 모든 개인은 평가 중에 수행되는 새로운 적합성 값을 받아야합니다. 기본적으
유전 적 표현의 선택은 유전자 알고리즘 (GA)을 구성하는 부분입니다. 따라서 유전자형 공간 (문제 해결 공간)과 표현형 공간 (원래의 문제 상황)간에 매핑을 정의 할 수 있습니다. 하나의 대응 표현형가 각 유전형 f: Genotype Space ---------> Phenotype Space
다음 적합도 함수은 GA의 개인을 평가하는 것은 원래 문제의
누군가가 의미하는 바를 설명해 주실 수 있습니까? 배경 : '네트워크'는 클래스이며 신경망 개체를 나타내며, 생성자는 다음과 같은 여러 입력을 필요로합니다. 노드, 입력, 출력, num_functions 등. 그러나 참조로 사용하는 파이썬 구현은 생성자에 이러한 매개 변수를로드하기 위해 사전을 사용합니다. 아무도이 작동 방식을 설명 할 수 있습니다 네트워크
나는 진화론적인 최적화 작업을하고 있으며,이 프로젝트에서는 여행 세일즈맨 문제에 대해 휴리스틱이 필요합니다. 이 문맥에서 유전 알고리즘, 우리는 작은 돌연변이를 적용하고 어딘가에 길 희망 상황이 나아질 것을 바랍니다. 그래서, 잠재적으로 개선으로 이어질 수있는 솔루션을 변형하기위한 간단한 경험적 방법을 찾고 있습니다. . 내가 추천하고 싶은
Multi-Class Classification (MCC) 문제의 문맥에서 일반적인 접근법은 여러 이진 분류 자로부터 최종 솔루션을 만드는 것입니다. 일반적으로 언급 된 두 가지 작곡 전략은 모두 1 대 1 및 1 대 1입니다. 접근 방법을 구분하기 위해 은 각 바이너리 분류자가 시도하려는 것을보다 분명하게 보여줍니다. 한 대 전체의 원시 분류자는 한 클래
면책 조항 먼저 상상할 수없는,이 숙제입니다 그것이 왜 그렇게 묻지 않는다 그렇게 고안된 것은 이런 식으로 오직이 방법 일뿐입니다. (나는 당신이 무언가를 바꾸면 어떨까요?), 미안하다 ... 나는 할 수 없다. 또한 나는 진화론 적 알고리즘을 사용해야합니다. 즉, 부모는 자녀가 있고, 돌연변이/재결합하고, 새로운 세대를 형성하고 결국 해결책으로 이어질 수
이 질문에 (Trouble understanding GHC complaint about ambiguity) 코드를 컴파일하려고했던 문제를 이해 한 후에 윌은 네가 완전히 만족하지 못한 해결책을 피하기 위해 타입 클래스를 재 설계 할 것을 제안했습니다. 문제 유형 클래스는 다음과 같습니다 나는 Genomes 및 Phenotypes 다른 지원해야 하스켈의 확장
커팅 문제를 해결하기 위해 노력하고 있으며 해결책을 나타내는 방법을 알아 내기 위해 을 알아야합니다. 예를 들어 회색 영역이 사용되지 않는 재료 인이 이미지를보십시오. 당신은 나에게 가능한 표현을하는 것이 좋습니다시겠습니까? 그런데 나는 이것을 위해 C++을 사용하고있다. 감사합니다.