Algorytmy genetyczne.

Slides:



Advertisements
Podobne prezentacje
Idea projektów innowacyjnych
Advertisements

Metody optymalizacyjne w logistyce
Klasyfikacja danych Metoda hierarchiczne
Egzamin.
„Wielokryterialna optymalizacja pracy systemu wytwarzania o strukturze przepływowej – algorytm memetyczny” Przygotował: Dominik Żelazny, IIAR.
ALGORYTMY GRAFOWE.
Wprowadzenie do optymalizacji wielokryterialnej.
Algorytmy genetyczne Nowak Sławomir
Skuteczna realizacja AG
Algorytm Dijkstry (przykład)
Referat 3. Planowanie zadań i metody ich obrazowania
Algorytmy genetyczne Motto:
WYKŁAD 2. Kolorowanie wierzchołków
Program Międzynarodowej Oceny Umiejętności Uczniów OECD PISA
Nieelitystyczne algorytmy ewolucyjnej optymalizacji wielokryterialnej
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Dziedzina problemu. Opracowanie koncepcji, projekt i częściowa implementacja portalu ofert turystycznych.
Projekt i implementacja aplikacji wspomagającej testowanie oprogramowania, zgodne z metodologią Unified Software Development Process (RUP). Włodzimierz.
Projekt i implementacja aplikacji wspomagającej testowanie
Komputerowa analiza sieci genowych
Algorytmy genetyczne.
? Rosnące potrzeby użytkowników Rozmiar problemu Czas Komputer domowy
WYKŁAD 7. Spójność i rozpięte drzewa Graf jest spójny, gdy dla każdego podziału V na dwa rozłączne podzbiory A i B istnieje krawędź z A do B. Definicja.
Inżynieria Oprogramowania
Minimalne drzewa rozpinające
GEOMETRIA PROJEKT WYKONALI: Wojciech Szmyd Tomasz Mucha.
Algorytm genetyczny.
Aplikacja do analizy polimorfizmów SNP wykorzystywanych w genomice klinicznej Szymon Stawicki.
Model przestrzenny Diagramu Obiegu Dokumentów
Algorytmy memetyczne i ich zastosowania
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.
Przygotowała Patrycja Strzałka.
Systemy wspomagania decyzji
3. SPOSOBY REPREZENTACJI GRAFÓW
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Model I/O bazujący na HSWN Problem uczenia sieci HSWN
Marcin Jaruszewicz Jacek Mańdziuk
Choroby Genetyczne Daltonizm.
Analiza wizualna – co to jest i czym to się je
„Kalkulator zużycia oraz kosztu energii elektrycznej online „
Zarządzanie Projektami
Wykorzystanie informatyki w budownictwie
MS Excel - wspomaganie decyzji
Autor: Karol Podsiadło Kierujący pracą: dr inż. Ewa Płuciennik-Psota
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Koło Naukowe. Wprowadzenie Organizujemy koło naukowe Institut Informatyki Ekonomicznej / KTI Cele i działania poszerzanie zainteresowań znalezienie interesujących.
Algorytmy i Struktury Danych
Wyszukiwanie maksimum funkcji za pomocą mrówki Pachycondyla Apicalis.
Rozwiązywanie układów równań liniowych różnymi metodami
System gromadzenia i udostępniania informacji o ruchu pojazdów i przesyłek w przedsiębiorstwie kurierskim Autor: Karol Podsiadło gr. OS1 Promotor: dr inż.
PLANARNOŚĆ i KOLOROWANIE MAP. Problem Jaka jest minimalna liczba kolorów, za pomocą których można pokolorować obszary województw na mapie Polski tak,
Algorytmy Genetyczne Anna Tomkowska Politechnika Koszalińska
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.
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.
Wizualizacja algorytmu grupowania k-średnich Maciej Łakomy Promotor: Dr hab. prof. WWSI Michał Grabowski.
Sztuczne Sieci Neuronowe
Wykład 4 (cz. 1) Pierwsze zastosowania modelowania molekularnego: lokalna i globalna minimalizacja energii potencjalnej.
Efektywność algorytmów
Zapis prezentacji:

Algorytmy genetyczne

Założenia Milestone 3 Pełna funkcjonalność GUI Wizualizacja graficzna populacji chromosomów Statystyka uruchomienia (liczba pokoleń, jakość rozwiązań, wykres dążenia do rozwiązania optymalnego) Implementacja reszty problemów wraz z wizualizacją

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.

Dolina bananowa Rosenbrocka

Dolina bananowa Rosenbrocka Znany i (nie)lubiany test algorytmów optymalizacyjnych Wzór F(x,y) = (1-x)2 + 100(y-x2)2 Długa i płaska dolina, trudne do odnalezienia minimum

„Sinusowa kratka”

„Sinusowa kratka” Kilka minimów o podobnej jakości Wzór F(x,y)=cos2(x) + cos2(y) + cx2 + cy2 Idealne do testowania problemu z „niszami ekologicznymi”

Nisze ???

Metodologia i organizacja pracy Zdalne spotkania poprzez gtalk, gg Studencka organizacja czasu Eksponencjalna efektywność wraz ze zbliżaniem się terminu

Ryzyka Awaria laptopa Niespodziewany poziom skomplikowania niektórych modułów

Co można jeszcze poprawić …