我是遗传算法的新手。我试图预测规则的出现模式。例如，我有一组定义如下的规则。
规则1， 规则2， 规则3， 第4条规则， 第5条规则， 规则6，
对于给定日期，我只能使用规则2，规则3和规则6。所以我会将这些数据表示为如下所述的字符串
0 1 1 0 0 1
其中1表示使用规则，0表示规则永远不会在当天使用。
所以我将有5天的数据集如下
011001， 100010 110011， 101010， 111100，
我想在这里实现的是预测第6天的数据。我一直在阅读遗传算法和反向传播方法来实现这一目标。由于缺乏对这些概念的理解，我未能将我的问题与GA或BP进行映射。
如果有人能指出正确的方向帮助我将问题映射到GA或BP，我将不胜感激。非常感谢任何帮助。
答案 0 :(得分：3)
规则的出现纯属 随机
在那种情况下，恐怕无法预测它们！
如果上述情况不准确（规则发生并非纯粹随机），您是否有训练集？它有多大？你应该在这里看看模式识别技术而不是GA。
例如，经常性网络似乎非常适合您的问题。看看this paper，他们预测二进制时间序列而不是二进制字符串，但它尽可能接近！
另一种想到的方法可能是将神经网络+ GA与他们在this paper here上进行财务预测的方式类似地结合起来。
但我猜你需要一个更大的训练集，你必须适应你的情况。
注意：这不是一项微不足道的任务！
答案 1 :(得分：0)
GA比预测更适合优化问题。但是，如果您对使用GA感兴趣，可以使用它来优化神经网络的参数，该神经网络可用于预测模式。另一个有用的东西是使用线性回归的机器学习。通过线性回归，回归线可以用作预测模式的估算器。
答案 2 :(得分：0)
您可以使用GA优化规则集，然后提供优化集作为神经网络的输入进行预测，恐怕您无法使用GA进行预测，预测需要推理规则或良好形成的训练数据作为输入NN（过去的信息）。