Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Algorytmy genetyczne.

Podobne prezentacje


Prezentacja na temat: "Algorytmy genetyczne."— Zapis prezentacji:

1 Algorytmy genetyczne

2 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

3 Wygląd GUI

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

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

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

7 Rozwiązania problemów
Problem komiwojażera

8 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.

9 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 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.

10 Dolina bananowa Rosenbrocka

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

12 „Sinusowa kratka”

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

14 Nisze ???

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

16 Ryzyka Awaria laptopa Niespodziewany poziom skomplikowania niektórych modułów

17 Co można jeszcze poprawić


Pobierz ppt "Algorytmy genetyczne."

Podobne prezentacje


Reklamy Google