Algorytmy genetyczne
This presentation is the property of its rightful owner.
Sponsored Links
1 / 17

Algorytmy Genetyczne PowerPoint PPT Presentation


  • 117 Views
  • Uploaded on
  • Presentation posted in: General

Algorytmy Genetyczne. Wprowadzenie. Algorytmy genetyczne. Twórca - John Holland Są oparte na mechanizmach doboru naturalnego oraz dziedziczności. Skrót - AG (ang. GA – Genetic algorithms) Można wykorzystać do: - symulacji biologicznych - optymalizacji

Download Presentation

Algorytmy Genetyczne

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Algorytmy genetyczne

Algorytmy Genetyczne

Wprowadzenie


Algorytmy genetyczne1

Algorytmy genetyczne

  • Twórca - John Holland

  • Są oparte na mechanizmach doboru naturalnego oraz dziedziczności.

  • Skrót - AG (ang. GA – Genetic algorithms)

  • Można wykorzystać do:

    - symulacji biologicznych

    - optymalizacji

    - szukania rozwiązań określonych

    zagadnień


Cechy kt re warunkuj ich odporno ag

Cechy, które warunkują ich odporność AG

  • Przetwarzają zakodowaną reprezentację parametrów zadania a nie ich bezpośrednią postać

  • Poszukiwania zaczynają się od pewnej populacji a nie od jednego punktu.

  • Wykorzystana jest tylko z funkcja celu, nie zaś z jej pochodne lub inne pomocnicze informacje.

  • Stosowane są reguły wyboru probabilistyczne a nie deterministyczne


Podstawowe operacje na ag

Podstawowe operacje na AG

  • Reprodukcja

  • Krzyżowanie

  • Mutacja


Reprodukcja ang reproduction

Reprodukcja (ang. Reproduction)

  • To proces, w którym indywidualne ciągi kodowe zostają powielone w stosunku zależnym od wartości, jakie przybiera dla nich funkcja celu f (biologicznie zwana funkcją przystosowania).

  • Reprodukcja różnicująca (selekcja) to proces, gdzie ciągi kodowe o wyższym przystosowaniu mają większe prawdopodobieństwo wprowadzenia jednego lub więcej potomków do następnego pokolenia.


Symulacja ruletki

Symulacja ruletki

  • Reprodukcję można zrealizować np. za pomocą symulacji odpowiednio wykalibrowanej tarczy obrotowej (ruletki), gdzie każdemu ciągowi kodowemu populacji odpowiada sektor o rozmiarze proporcjonalnym do przystosowania.


Krzy owanie ang crossover

1

1

1

1

1

1

0

0

0

0

0

0

1

0

1

0

0

1

0

1

1

1

1

1

Krzyżowanie (ang. Crossover)

  • 1. Losowo zostaje wybrana jedna z pozycji (punktu krzyżowania k) z posród l-1 początkowych pozycji w ciągu kodowym ( l jest długością ciągu).

  • 2. Zostają zamieniane wszystkie znaki od pozycji k+1 do l włącznie w obu elementach pary rodzicielskiej.

1.

2.

k

k


Mutacja ang mutation

1

1

1

1

0

0

1

0

1

1

1

1

Mutacja (ang. mutation)

  • Proces który zachodzi z małym prawdopodobieństwem i polega na przypadkowej zmianie wartości elementu ciągu kodowego.

Ciąg wyjściowy

Ciąg zmutowany


Przyk ad

Przykład

  • Cel: maksymalizacja funkcji na zbiorze liczb całkowitych z przedziału [0,31].

  • Drogą losową generujemy populację początkową o rozmiarze n=4 np. rzucając symetryczną monetą.

  • Uzyskane osobniki to:

    01101 11000 01000 10011


Odr czna symulacja

Odręczna symulacja


Reprodukcja

Reprodukcja


Schematy

Schematy

  • to wzorce opisujące podzbiór ciągów podobnych ze względu na ustalone pozycje.

  • Niech alfabet, używany do kodowania schematów składa się ze znaków {0,1,*}. Gdzie * zastępuje dowolny znak.

  • Niech alfabet składa się z k symboli, natomiast l-oznacza długość słowa wówczas liczba schematów to (k+1)l.


Schematy przyk ad

Schematy - przykład

  • schemat *111* pasuje do elementów

    {01110, 01111, 11110, 11111}

  • Wówczas l=5, k=3,

    a liczba wszystkich możliwych schematów to wtedy 35=243.


Schematy krzy owanie i mutacja

Schematy – krzyżowanie i mutacja

  • Krzyżowanie nie naruszy schematu, jeśli do prowadzi do jego przecięcia.

    Przykład:

    1***0 - jest podatny na rozerwanie

    **11* - jest mało podatny na rozerwanie

  • Mutacja o normalnym, niedużym natężeniu rzadko powoduje zniszczenie konkretnego schematu.


Schematy propagacja

Schematy - propagacja

  • Schematy o wysokim przystosowaniu i małej rozpiętości (zwane „cegiełkami”) propagują się z pokolenia na pokolenie w rosnących wykładniczo proporcjach, co odbywa się równolegle.

  • Liczba schematów przetwarzanych efektywnie w każdym pokoleniu jest porównywalna z n3.

  • Efekt ten nazywa się ukrytą równoległością.


Terminy genetyczne po polsku i po angielsku

Terminy genetyczne po polsku i po angielsku


Bibliografia

Bibliografia

  • D. Goldberg,

    Algorytmy genetyczne i ich zastosowania,

    WNT, Warszawa 1998


  • Login