Algorytmy genetyczne.

Slides:



Advertisements
Podobne prezentacje
Idea projektów innowacyjnych
Advertisements

Metody optymalizacyjne w logistyce
„Wielokryterialna optymalizacja pracy systemu wytwarzania o strukturze przepływowej – algorytm memetyczny” Przygotował: Dominik Żelazny, IIAR.
Programowanie dynamiczne
ALGORYTMY GRAFOWE.
Wprowadzenie do optymalizacji wielokryterialnej.
Grafy inaczej, czyli inne modele grafów
Wykład 6 Najkrótsza ścieżka w grafie z jednym źródłem
Algorytmy genetyczne Nowak Sławomir
Algorytm Dijkstry (przykład)
Techniki konstrukcji algorytmów
Metoda węzłowa w SPICE.
Referat 3. Planowanie zadań i metody ich obrazowania
Materiały pochodzą z Platformy Edukacyjnej Portalu
Algorytmy genetyczne Motto:
Nieelitystyczne algorytmy ewolucyjnej optymalizacji wielokryterialnej
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Projekt i implementacja aplikacji wspomagającej testowanie
Komputerowa analiza sieci genowych
Algorytmy genetyczne.
? Rosnące potrzeby użytkowników Rozmiar problemu Czas Komputer domowy
Inżynieria Oprogramowania
Adam Gabryś , v1.1,
Minimalne drzewa rozpinające
GEOMETRIA PROJEKT WYKONALI: Wojciech Szmyd Tomasz Mucha.
Algorytm genetyczny.
Algorytmy memetyczne i ich zastosowania
Algorytmy i Struktury Danych Typy algorytmów
Graf - jest to zbiór wierzchołków, który na rysunku przedstawiamy za pomocą kropek oraz krawędzi łączących wierzchołki. Czasami dopuszcza się krawędzie.
Algorytmy i struktury danych
Algorytmy i struktury danych
Badania operacyjne Wykład 5.
Materiały pochodzą z Platformy Edukacyjnej Portalu
Rozwiązywanie zadań tekstowych za pomocą równań.
ALGORYTMY ROZWIĄZYWANIA GIER C.D.
Matematyka bez barier z kształtami Numicon
Systemy wspomagania decyzji
3. SPOSOBY REPREZENTACJI GRAFÓW
Model I/O bazujący na HSWN Problem uczenia sieci HSWN
Marcin Jaruszewicz Jacek Mańdziuk
Choroby Genetyczne Daltonizm.
MS Excel - wspomaganie decyzji
Autor: Karol Podsiadło Kierujący pracą: dr inż. Ewa Płuciennik-Psota
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
VI EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
Wykonali -Max Barbucha -Max Kozłowski -Maciek Rutkowski.
Koło Naukowe. Wprowadzenie Organizujemy koło naukowe Institut Informatyki Ekonomicznej / KTI Cele i działania poszerzanie zainteresowań znalezienie interesujących.
METODY PODEJMOWANIA DECYZJI
Algorytmy i Struktury Danych
Wyszukiwanie maksimum funkcji za pomocą mrówki Pachycondyla Apicalis.
Komputerowa optymalizacja obszaru logistyki
System gromadzenia i udostępniania informacji o ruchu pojazdów i przesyłek w przedsiębiorstwie kurierskim Autor: Karol Podsiadło gr. OS1 Promotor: dr inż.
Algorytmy Genetyczne Anna Tomkowska Politechnika Koszalińska
WĘDRÓWKI PO GRAFACH Obchody Eulera Cykle Hamiltona.
NP-zupełność Problemy: rozwiązywalne w czasie wielomianowym - O(nk)
4 lipca 2015 godz pok września 2015 godz pok. 212.
Optymalizacja Monte-Carlo - algorytmy inspirowane przyrodniczo (algorytmy genetyczne, symulowane wyżarzanie, stadne strategie obliczeniowe) Przykład 2.
Wstęp do programowania Wykład 4
Grafy.
Modelowanie matematyczne – złożoność obliczeniowa, teoria a praktyka
Pojęcia podstawowe c.d. Rachunek podziałów Elementy teorii grafów
Zagadnienia transportowe Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
Zdefiniować problem Jaki jest problem? Jakie są główne założenia? Jak chcesz śledzić przebieg funkcjonowania projektu ? metody ewaluacji Budżet Jakie źródła.
Wyższa Szkoła Informatyki i Zarządzania w Bielsku-Białej Wydział Informatyki Kierunek studiów : Informatyka Specjalność : Systemy informatyczne Praca dyplomowa.
Wyższa Szkoła Informatyki i Zarządzania W Bielsku-Białej Kierunek informatyka Specjalność : Systemy informatyczne Praca dyplomowa inżynierska : System.
Sztuczne Sieci Neuronowe
Wykład 4 (cz. 1) Pierwsze zastosowania modelowania molekularnego: lokalna i globalna minimalizacja energii potencjalnej.
Efektywność algorytmów
Selekcja danych Korelacja.
Grupy danych.
Zapis prezentacji:

Algorytmy genetyczne

Założenia Milestone 2 Docelowy wygląd interfejsu użytkownika, możliwość ustalania wszelkich parametrów z GUI, możliwe małe braki w funkcjonalności (zapewnione min. 80% funkcjonalności) Zaimplementowane API dla zewnętrznych problemów

Założenia Milestone 2 Implementacja algorytmów wielobitowych (krzyżowanie, mutacje, geny recesywne Zaawansowane algorytmy selekcji (mieszanie chromosomów, uciekanie z minimów lokalnych)

Założenia Milestone 2 Implementacja ok. 25% problemów prezentacyjnych wraz z wizualizacją (np. plansza z narysowaną trasą komiwojażera, itp.) Testowanie algorytmów, poszukiwanie najbardziej optymalnych ustawień programu

Problemy r

Wygląd GUI

Zaimplementowane API dla zewnętrznych problemów Posiadanie funkcjonalności dzięki której tworzenie kolejnych przypadków użycia algorytmu genetycznego jest nad wyraz proste

Implementacja algorytmów Zaimpementowanie algrytmów genetycznych które wykorzystują krzyżowania, mutacje oraz możliwość włączenie genów recesywnych

Zaawansowane algorytmy selekcji Implementacja w interfejsie algorytmu możlwiości rozwiązywania problemu dotyczącego minimum lokalnego Elita Ruletka Ranking

Rozwiązania problemów Problem komiwojażera

Problem komwojażera Problem komiwojażera (TSP - ang. traveling salesman problem) jest to zagadnienie z teorii grafów, polegające na znalezieniu minimalnego cyklu Hamiltona w pełnym grafie ważonym. Nazwa pochodzi od typowej ilustracji problemu, przedstawiającej go z punktu widzenia wędrownego sprzedawcy (komiwojażera): dane jest n miast, które komiwojażer ma odwiedzić, oraz odległość pomiędzy każdą parą miast. Należy znaleźć najkrótszą trasę wychodzącą np. z Kutna i przechodzącą jednokrotnie przez wszystkie pozostałe miasta i wracającą do Kutna. Problem ten jest NP trudnym.

Problem komwojażera cd.. Rozwiązywanie tego problemu metodą matematyczną wymaga wielkich nakładów mocy obliczeniowej, a także czas samych obliczeń jest bardzo długi. Już przy 20 miastach, liczba możliwych rozwiązań wynosi 19!/2 czyli około 600000. Dlatego najefektywniejszym rozwiązaniem tego problemu jest użycie algorytmu genetycznego oraz samej idei ewolucji. Osobniki nowopowstałe poddawane są testowi na długość ścieżki liczonej, w naszym przypadku, liczone wg wzorów euklidesowych, ta wartość jest brana jako główne kryterium tworzenia kolejnego pokolenia.