Aprendizaje progresivo basado en la población

Aprendizaje progresivo basado en la población

El objetivo del procesamiento de información del algoritmo de aprendizaje progresivo basado en la población (PBIL) es reducir la memoria requerida por el algoritmo genético. Esto se hace reduciendo la población de una solución candidata a un único vector de atributo prototipo a partir del cual se pueden generar y evaluar las soluciones candidatas. Las actualizaciones y los operadores de mutación también se realizan en el vector prototipo, en lugar de en las soluciones candidatas generadas.

El algoritmo de aprendizaje progresivo basado en la población mantiene un vector prototipo de valor real que representa la probabilidad de que cada componente se exprese en una solución candidata. El siguiente algoritmo proporciona un pseudocódigo del algoritmo de aprendizaje incremental basado en la población para maximizar una función de costo.

PBIL fue diseñado para optimizar la probabilidad de componentes de conjuntos de cardinalidad baja, como bits en una cadena de bits. El algoritmo tiene una huella de memoria muy pequeña (en comparación con algunos algoritmos escalables basados en población) debido a la compresión de información en un solo vector prototipo. Se han propuesto extensiones al aprendizaje progresivo basado en la población para extender la representación más allá de los conjuntos a vectores de valor real.

Las variantes de PBIL que se propusieron en el artículo original incluyen actualizar el vector prototipo con más de una solución candidata competitiva (como un promedio de las mejores soluciones candidatas) y alejar el vector prototipo de la solución candidata más competitiva. iteración. Se prefieren tasas de aprendizaje bajas, como 0,1.