遺傳演算法有哪些有趣應用？

1樓：李是Lyapunov的李

可以繪製生成你心儀的影象，比如我的知乎頭像。

李是Lyapunov的李：科學與藝術的融合：遺傳演算法繪製蒙娜麗莎

2樓：Agent002

Evolution, 利用遺傳演算法和神經網路進化出可以跑、跳、爬的骨骼和肌肉。

Evolved Virtual Creatures,很老的專案了，進化出會跑、遊、跳的虛擬生物。

Smart Rockets,很小的專案，進化出會繞過障礙物的火箭。

Image Evolution,經典的應用，近似影象。

2018-08-28 更新

3樓：

可以用來求解車輛路徑規劃問題（VRP）及其變種。比如說：帶時間窗的VRP、考慮取送貨的VRP、混合車型的VRP、多倉庫選址-路徑問題等。

另外，遺傳演算法也可以用來做聚類。

我認為，要使用遺傳演算法解決問題，要思考三個具體內容：一是要對問題的解進行編碼；二是定義交叉變異的方法；三是確定乙個合適的適應度評估函式，以進行環境選擇，引導種群向著優化目標的方向進化。

4樓：

不單單前面回答提到的攻擊神經網路，大多數基於機器學習的分類器都可以嘗試用遺傳演算法來攻擊。2016 NDSS上弗吉利亞州立大學的研究者提出了一種基於遺傳演算法的模型，根據這個模型，它們成功攻擊了兩種PDF惡意檔案分類器。http:

//evademl.org/

5樓：Skitter

生成gcc編譯選項引數。哪些優化該開，哪些不該開，引數一多就沒法窮舉試驗。用遺傳演算法正好。

6樓：AlgorithmDog

Regex Golf 是乙個正規表示式生成競賽。這個競賽給兩堆字串M和U，要求引數者給出的正規表示式r盡可能地匹配M堆中的字串，和盡可能地不匹配U堆中的字串。下圖就是競賽的示意圖。

Bartoli et al. (2014)提出用遺傳演算法解決這個問題。種群乙個個體是一顆正規表示式樹，如下圖所示。

正則表達樹的葉子節點是一些從M堆字串抽取的字母和N-grams。正規表示式樹的中間節點是正規表示式的符號，比如「()」、「*」和「?」。

個體對應正規表示式匹配越多M堆字串，個體適應度應該越大。個體對應正規表示式匹配越多U堆字串，個體適應度應該越小。因此可以直接用（匹配M堆字串數量-匹配U堆字串數量）作為適應度。

但這樣的話，得到的正規表示式的長度會很長。為了控制正規表示式長度，適應度應該懲罰長的正規表示式。因此我們可以用下面的適應度，其中w是乙個權重，是M堆中匹配的字串，是U堆中匹配的字串。

下表是Bartoli et al. (2014)報告的結果。其中 Norvig-RegexGolf 是一種基線方法，GP-RegexGolf是作者提出的方法，GP-RegexExtract是應用在Text Extraction任務上的遺傳演算法。

參考文獻

Bartoli, Alberto, et al. "Playing regex golf with genetic programming." Proceedings of the

2014 conference on Genetic and evolutionary computation. ACM, 2014.

遺傳演算法系列之二:「欺騙」深度學習的遺傳演算法

7樓：

"make randconfig" Create a ./.config file by setting symbol values to random values.

出處 https://

github.com/torvalds/linux這個算不算

8樓：

遊戲裡面有時會用到。

例如在生存模式中，敵人有水火風雷四種屬性的攻擊。通過遺傳演算法可以使得下一波怪的屬性對你更不利，相對來講就增加了難度而不是緊緊進行數值上的單調提公升……

9樓：

必須再一次貼出這個：【3D物理引擎實驗】多P補全計畫

利用遺傳演算法解決了人類行走、爬行等動作之謎，看得人迷之感動、熱淚盈眶。