26 lines
1.6 KiB
Markdown
26 lines
1.6 KiB
Markdown
---
|
|
id: P-REINFORCE-AI-EVO-COMP
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.98
|
|
tags: [AI, EvolutionaryComputation, Optimization, GeneticAlgorithm]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Evolutionary Computation]] (진화 연산)
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "생물 진화의 원리를 빌려와 가장 효율적인 해답을 찾아내는 디지털 적자생존." 자연의 진화 과정(선택, 교차, 변이)을 모방하여 복잡한 최적화 문제를 해결하는 휴리스틱 기반 인공지능 기법이다.
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
- **Genetic Algorithm (GA)**: 염색체 연산을 통해 최적 해를 탐색하는 가장 대중적인 방식.
|
|
- **Evolutionary Strategies (ES)**: 실수 값 벡터 최적화에 특화된 접근.
|
|
- **Fitness Function**: 개체가 얼마나 문제 해결에 적합한지를 평가하는 척도.
|
|
- **Mutation & Crossover**: 지역 최적점(Local Minima)에 빠지지 않게 하고 새로운 탐색 영역을 넓히는 핵심 메커니즘.
|
|
|
|
## ⚠️ 모순 및 업데이트 (RL Update)
|
|
- 딥러닝의 역전파(Backpropagation) 방식은 미분 가능한 함수에서만 작동하지만, 진화 연산은 '미분 불가능하거나 블랙박스 형태'의 최적화 문제에서도 강력한 위력을 발휘한다. 최근에는 신경망의 구조 자체를 진화시키는 'Neuroevolution'과 강화학습의 대안으로 대두되며 다시 주목받고 있다.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- Related: [[Optimization-Algorithms]] , [[Genetic-Algorithms]]
|
|
- AI Context: Reinforcement-Learning-vs-Evolutionary-Computation
|