Page 177 - 大数据技术及安全研究

第五章 数据预测与数据安全处理研究

3. 评估模型
模型建立完成后，需要对模型的效果进行评估和验证，检验模型预测的准确
性和实用性，确保模型的有效性和适用性。
（四）数据预测与模拟的优点和应用前景

1. 优点
通过建立精准的模型，可准确预测未来的趋势和变化，并为决策提供依据。
可对已有的数据进行推理、分析，找到数据中的客观规律和内在联系，发掘数据
潜力和价值。可充分地利用现有的数据，在没有实际经验基础的情况下进行决策，

减少决策过程的失误和风险。
2. 应用前景
数据预测和模拟正在成为各行业及产业的重要工具和技术，成为发展必不可
少的动力。

未来，随着数据的增加和技术的提升，数据预测和模拟将会更加普及和深入，
产生更大的社会经济效益，并对人类社会生活的发展作出更大的贡献。

三、遗传算法在大数据预测的应用

（一）常见遗传算法预测数据用到的算法

遗传算法（Genetic Algorithm）是借鉴生物进化规律（适者生存，优胜劣汰）
而推演来的随机的搜索方法。它模拟了达尔文生物进化论中的自然选择和遗传机
制的生物进化过程。它是由美国 Michigan 大学的 J. Holland 教授于 1975 年最先

提出，J. Holland 教授所提出的 GA 为简单遗传算法即，即 SGA。遗传算法的特
点是对结构对象进行直接操作，不存在函数连续性和求导的限制，具备内在的更
好的全局寻优能力和隐并行性，通过概率化的寻优方法，能够自主获取和搜索优
化的空间，自适应地调整搜索方向，不受任何限制。遗传算法的运算过程包括如

下几个步骤：①初始化：进化代数计数器的设置，设置最大的进化代数，随机生
成一个固定数量个体作为初始种群。②个体评价：每个个体适应度的计算。③运
算的选择：使用选择算子评估群体，选择优秀的个体遗传到下一代，或者通过交
叉配对，形成新的个体然后遗传到下一代，个体在种群中的适应度决定了是否选

择该个体产生下一代。④交叉运算：通过交叉算子作用于群体，交叉的定义是

·165·