不用諸如自編碼器等無監督的逐層訓練方式，而採用遺傳演算法直接搜索整個深層神經網路的權重等參數是否可行？
（1）不考慮效率問題
（2）是否更容易引起過擬合
可以，隨機搜索也可以，前提是你能承受計算複雜度的爆炸
……我只能說，你可以試一試………
large scale的問題。簡單來說：規模大的時候參數無法編碼。小規模的問題，早已有解決
首先我覺得題主你第一個前提有點屌。如果不考慮效率都行，是我就直接蒙特卡羅法在n維空間瘋狂取 10^xx 次方取點暴力求解。
綜合考慮效率和擬合效果。
（我不知道你的具體問題模型是啥所以也不太好說。）
對於以前做的圖像處理匹配，我有時用遺傳演算法做第一層網路的估計解，當做初始值。剩下的因為後面的神經元也相對少所以直接訓練。給我的感覺還是，沒有過擬合，結果還行（遺傳演算法給網路初始值的辦法就是防止局部最小的……），但是等遺傳演算法繁殖n代實在是時間有點久。。
相比之下他的親戚粒子群跑的很快。不過。。識別率差10%
以及一個直接神經網路的訓練，4層，1024輸入，我沒等他跑完直接關了。。
最後說你說的過擬合，不單單和網路初始值有關，還和學習速度以及學習方式最大步數等等參數掛鉤，光憑一個xx演算法看不出什麼倪端。
遺傳演算法，是在你手頭沒有演算法的情況下才用的，所謂last choice
龐大的參數學習，交叉、變異複雜度都極高，而且你還要承受無止境的迭代··
很早以前有人做過了，你可以找找九十年代的文獻。還能夠連權重帶結構一起學習。我記得後來好像就沒人用了。
推薦閱讀：
