thisのような遺伝的アルゴリズムシミュレーションは信じられないほど魅力的であると私は自分自身を作ることが楽しいと思う。しかし、このようなほとんどのシミュレーションの問題は、人間のガイダンスでかなり容易に作成できた予測可能な理想的な結果に通常はちょうどhill climbingであるということです。面白いシミュレーションには、お互いに大きく異なっており、人間がそれらを観察することに驚くほど無数の異なる解決策があります。興味深い/驚くべき結果をもたらし、退屈で明白なエンドポイントを持たない遺伝的アルゴリズムとは何ですか？
だから私のようなものを作成しようとするとどうなりますか？私が描いていることを達成することを期待するのも合理的ですか？インスピレーションを得ることができる「標準的な」シミュレーション（人生のゲームが標準化されているという意味で）がありますか？
の意味によります。です。それはかなり主観的な言葉です。かつては楽しいためにグラフアナライザをプログラミングしました。このプログラムではまず、任意のf（x）をプロットし、境界を設定します。 2番目のステップは、xのランダム生成関数で最も一般的な2項演算子（+ - * /）を保持するツリーを作成することでした。プログラムは、そのようなランダム関数のプールを作成し、問題の元のカーブにどれくらい適合しているかをテストし、プール内の関数のいくつかを交叉させて変更します。
結果は非常にクールでした。完全に奇妙な関数は、しばしばクエリ関数のかなり良い近似になります。おそらく最も有用なプログラムではありませんが、それでもなお楽しいものです。
まあ、遺伝的アルゴリズムは山登りをしていない、そうでなければ、最初の極大/極小で立ち往生するでしょう。
また、驚くべき結果が得られないとはどういうことが言えますか？私が試した実験の1つのために世代7の周りに作り出された例えばthis vehicle hereを見てください。これは非常に古いモデルの自転車です。人間が何千年も同じモデルを思い描いていたのは、それが驚くべき結果ではないとどう思いますか？
興味深い緊急の行動（それは予測できないが有用である）を得るには、単純な最適化問題だけでなく、遺伝的アルゴリズムに学習する興味深いタスクを与えることがおそらく必要です。
たとえば、あなたが参照したカービルダは、フィットネス機能として固定された道路を使用しています。これは、遺伝的アルゴリズムが最適解を見つけるのを容易にするが、道路がわずかに変化する場合、解の適合度は、景色の細かい細部に依存して大きくなり、堅牢ではないため、最適解はもはや機能しない可能性があるそれを変更する。現実には、自動車は1つの固定テスト道路でも、多くの異なる道路や地形で進化しませんでした。ランダムな要因によって生成されるが、スロープなどの特定の現実的な境界内で生成される（動的）フィットネス機能として常に変化する道路を使用することは、より現実的で有用なフィットネス機能となる。
私はEvoLisaが興味深い結果を生み出すGAだと思います。ある意味では、既知の画像に一致させようとしているので、出力は予測可能です。一方、出力の詳細は非常にクールです。
質問は「遺伝的アルゴリズムの正式なデモンストレーションは何ですか？」です。 –
それほど... 1.興味深いものを作ったり、緊急の行動を出すようにしようとするのは現実的ですか？ 2.この意味で面白い標準的なものはありますか？ – mackstann
私のオリジナルのタイトルはちょっと不正確でした...残念です。 – mackstann