我正在寻找使用遗传算法来演化算法行为/决策策略的材料，而不是参数值。
我找不到多少。有人可以指点我正确的方向吗？链接会很棒，但我想我可以使用搜索关键词，我不知道的技术术语，应该寻找等等。
答案 0 :(得分：2)
正如Gordon Murray Dent所说，当进化编程用于创建函数时，它通常被称为“遗传编程”，而“遗传算法”通常（有点奇怪地）指的是函数参数优化。
关于遗传编程的经典文本是Koza的书籍，如果您恰好是LISP开发人员，它们仍然非常相关。他的网站http://www.genetic-programming.com/应该为您提供丰富的其他资源。
答案 1 :(得分：1)
答案 2 :(得分：1)
Google Answers关于某些算法Google answers
的好主题Apache作为一个名为Mahout的项目，它有很多关于他们使用的算法和技术的文档。
“机器学习算法”是在谷歌搜索的一个很好的关键词。
答案 3 :(得分：1)
你可以坚持纯参数的优化，然后获得行为......只需进化神经网络。例如，多层感知器能够近似所有功能。因此，改进其参数，例如它计算的函数满足您的目标。而tada，如果你使用一个不错的算法，并且没有超过100个参数，你可能会得到一些不错的东西。请注意，神经网络具有真实参数，因此请使用针对实际参数设计的进化算法。我建议CMA-ES，不需要太多的调整，目前的基准赢家＆amp;在现实世界中使用。
答案 4 :(得分：1)
我使用GP field guide作为我的论文。当您想要学习遗传编程的基础知识时，这是非常有用的。它包含John Koza的贡献。这本书是免费提供的，如果你需要一些特定的深入信息，它有很多参考论文和其他书籍。这是一个非常好的参考。
对于“经典”遗传算法，我推荐了这本书Genetic Algorithms + Data Structures = Evolution Programs，但我还没看过。