我有一个非常简单的问题。然而，我搜索了很多遍，都找不到答案。遗传算法是否被认为是无监督学习的一种形式？我知道算法是独立进化的，但种群中每个个体的适应度都是定期测量的(监督的？)。
我的算法的目标是通过遗传算法优化一组启发式权重。
谢谢你的帮助！--
遗传算法可用于监督和非监督学习，例如：
用于入侵检测的无监督遗传算法，(2008)。Zorana Banković，Slobodan Bojanić，Octavio Nieto，阿塔·巴迪。
如果您有标记的训练数据或标签的示例，则您使用的是监督训练。
来源http://en.wikipedia.org/wiki/Unsupervised_learning
在机器学习中，无监督学习的问题是试图在未标记的数据中找到隐藏的结构。由于给学习者的例子是未标记的，因此没有错误或奖励信号来评估潜在的解决方案。这将无监督学习与监督学习和强化学习区分开来。
从中可以清楚地看出，遗传算法是而不是无监督的，因为它们是根据适应度标准进行测量的。单个突变可能不受监督，但系统作为一个整体受到监督，因为突变要么被移除，要么基于它们给算法带来的适应度来构建。
发件人http://en.wikipedia.org/wiki/Reinforcement_learning
强化学习是机器学习的一个领域，受到行为主义心理学的启发，关注软件代理应该如何在环境中采取行动，以最大限度地提高累积奖励的概念。由于其普遍性，该问题在许多其他学科中都有研究，如博弈论、控制论、运筹学、信息论、基于模拟的优化、统计学和遗传算法。
这在某种程度上表明遗传算法被认为属于强化学习。