1 / 17

Algorytmy Genetyczne

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

alka
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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Algorytmy Genetyczne Wprowadzenie

  2. 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

  3. 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

  4. Podstawowe operacje na AG • Reprodukcja • Krzyżowanie • Mutacja

  5. 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.

  6. 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.

  7. 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

  8. 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

  9. 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

  10. Odręczna symulacja

  11. Reprodukcja

  12. 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.

  13. 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.

  14. 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.

  15. 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.

  16. Terminy genetyczne po polsku i po angielsku

  17. Bibliografia • D. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1998

More Related