GA란?
1. 노드의 weight를 결정하는 알고리즘 중 하나
2. 다른 알고리즘에 비해 잘 알려지지 않았다.
3. 성능이 좋지 않다.
4. 랜덤성이 굉장히 강한 주가 예측과 같은 금융권에서 떠올랐던 ML 기법 (19년도에)
GA 기본 구성
population 안에 chromosome 안에 Gene
* population: 솔루션 탐색 공간 (= 유전자 pool)
* chromosome: 개별 솔루션
* Gene: 솔루션의 각 component
-> 다윈의 '자연선택'과 유사한 방식으로 솔루션을 변형 시키며 -> 가장 적절한 솔루션 찾기!
GA 진행 과정
1. Fitness score: 얼마나 정답과 유사한지
2. Selection: 더 높은 fitness score의 솔루션을 선택
3. Cross over:
1) 선택된 솔루션 2개가 parents
2) parents의 gene들을 교차배치하여 새로운 자손(=솔루션)을 생성
4. Mutation: 자손 솔루션의 특정 gene을 mutation -> population 내 솔루션들이 다양해지게 -> prevents premature convergence
출처
https://medium.com/@aimap.marker/genetic-algorithm-36bc81451a1c
