Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Algorytmy Genetyczne Wprowadzenie. Algorytmy genetyczne Twórca - John Holland Są oparte na mechanizmach doboru naturalnego oraz dziedziczności. Skrót.

Podobne prezentacje


Prezentacja na temat: "Algorytmy Genetyczne Wprowadzenie. Algorytmy genetyczne Twórca - John Holland Są oparte na mechanizmach doboru naturalnego oraz dziedziczności. Skrót."— Zapis prezentacji:

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 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 k k

8 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:

10 Ciąg kodo -wy Wartość x (liczba całko w-ita) f(x) x 2 pselectOczekiwa- na liczba kopii Liczba kopii wylosowa- nych (wg reguły ruletki) ,14 0,49 0,06 0,31 0,58 1,97 0,22 1, Suma Średnia Maksimum ,0 0,25 0,49 4,00 1,00 1,97 4,0 1,0 2,0 Odręczna symulacja

11 Reprodukcja Pula rodzicie- lska po reprodu- kcji partnerpunkt krzyżo- wania Nowa popula -cja wartość x f(x)=x | | 0 11 | | Suma Średnia Maksimum

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 3 5 =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 n 3. Efekt ten nazywa się ukrytą równoległością.

16 Terminy genetyczne po polsku i po angielsku GenetykaAlgorytmy genetyczne (AG) Genetic Algorithm (GA) chromosomciąg kodowy chromosome gencecha, znak, detektorfeature, detector allelwariant cechy allele locuspozycja locus genotypstruktura genotype fenotypzbiór parametrów, rozwi ą zanie, punkt fenotype epistazanieliniowość epistasis

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


Pobierz ppt "Algorytmy Genetyczne Wprowadzenie. Algorytmy genetyczne Twórca - John Holland Są oparte na mechanizmach doboru naturalnego oraz dziedziczności. Skrót."

Podobne prezentacje


Reklamy Google