如何从以前发现的,具有不同概率的不完整解决方案中以高概率获得新的解决方案?

时间:2019-05-26 18:47:17

标签: matlab math probability probability-theory

我正在研究AI算法。首先,当程序运行时,将生成一个随机解,然后在该程序的第一次迭代中创建10个解矢量,通过分析这些解,我们可以给它们每个概率(最高,第二高,第三高等)。最优解,对于程序的第二个输入,我希望它是一个从先前找到的10个向量中获得的向量(可能的解决方案)。但是我需要向量解来考虑所有先前的解,它们的概率取决于它们的概率...

i.e A=[4.7 ,5.6, 3.5,9 ] b=[-7.9 ,8 ,-2.8 ,4.6] c=[7 ,9.7 , 4,6,3.9] ...... 

我在程序中使用了平均值

NextPossibleSolution = mean(([A;B;C;])) 

但是您认为这是正确的举动吗?我不认为因为所有解决方案的贡献均等于下一个可能的解决方案(下一个输入),而不考虑它们的可能性……请问是否有方法公式或任何方法,让我知道……我真的很需要它.. ..十亿个谢谢

0 个答案:

没有答案