對淬火演算法,神經網路和遺傳演算法等演算法的一點思考(歡迎探討)

這些演算法看起來有點瞎猜的味道,但實際上我覺得都做了如下假設:1)因變數和自變數之間存在一定的函數關係;2) 自變數對因變數的影響是連續的.其實這種假設包含的是經典時空理論下的運動假設,即:運動是有軌跡的,或者說運動是連續的,體現在前面的函數關係上,就是自變數的微小變化引起的自變數變化也是微小的(極限理論).雖然在很多時候,我們觀察的結果看起來是不連續的,比如量子力學中的電子運動,但我們還是假定這種不連續是因為我們觀察的維度太低所致.因為只有在這種思想下,才會有收斂和逼近這一說.但運動的本質是否就是這樣呢?這個其實很難回答.但如果運動本身是不確定的或者說不連續的,那麼這個世界將無法想象.至少在這種運動不確定(不連續)的假設下,博文提到的這些演算法都是站不住腳的.遺傳演算法中的突變其本質只是一種試探,目的是為了測試逼近速率,在運動連續性假設下,在自變數假設值越逼近真實值時,逼近速率是越低的.通過對逼近速率的判斷可以進行遺傳選擇.一般演算法中這種逼近速率是通過探測性因變數值和實際因變數值之間的距離來衡量的.

 

上面的想法是今天在看了資料採礦的神經網路介紹後,想起原來看過的淬火演算法,遺傳演算法,突然的一種領悟,這裡記下來,也希望和大家探討探討.

運動是連續的麼?(排除觀察維度低於目標維度因素,比如在2維中觀察3維中德運動物體那樣).