如何通俗易懂地解释遗传程序？最好能用代码加注释说明解释。

Question

比如我希望通过以下数据中的abcsdfg的值得到h值。请结合代码说明，最好是用python。

a b c d e f g h
10 69 1 9 0.9 478.89 431 28.8
28 41 16 11 0.85 490.59 417 7.5
7 12 13 8 0.95 220 209 4.1

不看题直接甩链接不采纳。

Answer 1

不管你用什么算法（包括遗传算法），你要做的首先是有一个等式，比如
aw1+bw2+cw3+...=h
这里的abc...就是你的a-g，h就是你的h
而w1 w2 w3都是权重，也就是说你要优化的未知量
然后你的算法的目的就是，把所有的样本（也就是你下面的3行）全部放入上面的公式，找到一组w1 w2 w3...，让它算出来的h，和你实际的h，误差最小。
这样就算完成了。
于是你再有数据，你就可以套入公式，算出h，并且h会很接近实际的值。
当然，aw1+bw2+cw3+...=h，这个公式并不好，你一看就知道，它们都是一些经过坐标圆点的直线，为了增加拟和度，你可以加入非线性函数，以及偏置
比如sigmoid(aw1+b1)+sigmoid(bw2+b2)+sigmoid(cw3+b3)+...=h
这个就不展开了。

具体来说遗传算法，它的作用在于我说的优化求这些参数的近似值这个步骤上。也就是光有公式还不行，因为w1 w2 w3...以至于下面那个表达式的b1 b2 b3... 这些未知数的取值是多少，才能让误差小，我们并不知道。
遗传算法就是一种可以比较有效地寻找这些近似值的办法。
你可以把这些未知数变成序列 w1 w2 w3 ... b1 b2 b3 ...，这就是dna
然后你根据这些未知数，去计算一套h，和真实的h比较，计算误差。
你的方法就是不断对序列杂交、变化，丢弃误差大的序列，保留误差小的，这就是dna的进化。
最后就求出了这些未知数，计算完成。