对淬火算法,神经网络和遗传算法等算法的一点思考(欢迎探讨)

这些算法看起来有点瞎猜的味道,但实际上我觉得都做了如下假设:1)因变量和自变量之间存在一定的函数关系;2) 自变量对因变量的影响是连续的.其实这种假设包含的是经典时空理论下的运动假设,即:运动是有轨迹的,或者说运动是连续的,体现在前面的函数关系上,就是自变量的微小变化引起的自变量变化也是微小的(极限理论).虽然在很多时候,我们观察的结果看起来是不连续的,比如量子力学中的电子运动,但我们还是假定这种不连续是因为我们观察的维度太低所致.因为只有在这种思想下,才会有收敛和逼近这一说.但运动的本质是否就是这样呢?这个其实很难回答.但如果运动本身是不确定的或者说不连续的,那么这个世界将无法想象.至少在这种运动不确定(不连续)的假设下,博文提到的这些算法都是站不住脚的.遗传算法中的突变其本质只是一种试探,目的是为了测试逼近速率,在运动连续性假设下,在自变量假设值越逼近真实值时,逼近速率是越低的.通过对逼近速率的判断可以进行遗传选择.一般算法中这种逼近速率是通过探测性因变量值和实际因变量值之间的距离来衡量的.

 

上面的想法是今天在看了数据挖掘的神经网络介绍后,想起原来看过的淬火算法,遗传算法,突然的一种领悟,这里记下来,也希望和大家探讨探讨.

运动是连续的么?(排除观察维度低于目标维度的因素,比如在2维中观察3维中德运动物体那样).