Bagaimana algoritma evolusioner memiliki keunggulan dibandingkan metode backpropagation konvensional?

Bagaimana cara menggunakan algoritma evolusioner untuk merancang dan melatih jaringan saraf tiruan memiliki keunggulan dibandingkan menggunakan algoritma backpropagation konvensional?

Tidak seperti backpropagation, algoritma evolusioner tidak memerlukan fungsi objektif untuk menjadi diferensial sehubungan dengan parameter yang ingin Anda optimalkan. Sebagai hasilnya, Anda dapat mengoptimalkan "lebih banyak hal" di jaringan, seperti fungsi aktivasi atau jumlah lapisan, yang tidak mungkin dilakukan dalam backpropagation standar.

Keuntungan lain adalah bahwa dengan mendefinisikan fungsi mutasi dan crossover, Anda dapat mempengaruhi bagaimana ruang pencarian parameter harus dieksplorasi.

Lebih jauh ke jawaban Franck, mungkin ada optima yang lebih baik (bahkan global optima) yang ada di arah yang berlawanan dengan gradien (yang mungkin ada di arah beberapa optima lokal). Algoritma evolusioner memiliki ruang lingkup untuk mencari daerah sekitarnya, sedangkan backpropagation akan selalu bergerak ke arah gradien. Tanpa jaminan (karena keacakannya), algoritma evolusioner mungkin dapat menemukan solusi yang tidak bisa dilakukan backpropagation.