Рассмотрите генетический алгоритм, в котором пригодность зависит от того, сколько раз вещь «нравится» ala Facebook.Насколько критична точность расчета пригодности в генетическом алгоритме? Неужели неточности будут работать с течением времени?
Предположим, что некоторый процент времени, нравится, возникает из-за факторов, превышающих силу содержания, и, следовательно, пригодность одной хромосомы против другой обусловлена в какой-то части случайной случайностью. Давайте приблизим это число на 30% - то есть 30% от подобных данных не связаны с преднамеренными действиями.
Если у нас есть 100 хромосом, и мы знаем, что наше среднее преобразование для подобных составляет 5% (любит/показы), сколько впечатлений нам нужно, чтобы чувствовать себя уверенно в рейтинге фитнес каждой отдельной хромосомы?
По-моему, это всегда проблема/зависит от данных. Я также рассматриваю алгоритмы на основе GA как один из наименее теоретических подходов к обучению (затрудняя анализ таких вопросов, но это только мое мнение). В то время как шум, как правило, плох в выпуклой оптимизации, он иногда может даже помочь в проблемах с невыпуклой оптимизацией; например оставляя локальный оптимум (сравнимый с стохастическим градиентным спусками и размером партии). – sascha