Genetika - cal algoritmus - TM
A célfüggvény (fitness függvény, fitness funkció)
Néhány általánosan random módon teremt több genotípus a kezdeti populáció. Ezek alkalmazásával értékeltük „fitness funkció”, azzal az eredménnyel, hogy minden egyes genotípus egy bizonyos értéket ( „fitness”), amely meghatározza, hogy mennyire jól a fenotípust, általuk leírt, megoldja a problémát.
Rendszere genetikus algoritmus
A probléma hivatalossá oly módon, hogy annak megoldása lehetne kódolva, mint egy vektor ( „genotípus”) gének ahol minden egyes gén lehet egy kicsit, egy számot vagy más tárgyat. A klasszikus megvalósítások GA feltételezi, hogy a genotípus fix hosszúságú. Vannak azonban olyan változatai HA szabadon ezt a korlátozást.
Hozza létre az első populáció
Mielőtt az első lépés az, hogy véletlenszerűen létrehozni egy kezdeti populáció; akkor is, ha nem lenne teljesen versenyképtelen akkor valószínű, hogy a genetikus algoritmus még mindig elég gyorsan lefordítani egy életképes populáció. Így az első lépés lehet, különösen ne próbálja meg túl legalkalmasabb, annyira, hogy a méret a magánszemélyek a lakosság, és nekik ez lehetett számítani a fitness függvény (fitness). Az eredmény az első lépés egy populáció H, amely a nitrogén- egyének.
Sokszorosítani genetikus algoritmusok rendszerint szexuális - az utódokat, szükségünk van néhány szülő, általában kettő.
Szaporodás a különböző algoritmusok meghatározott eltérő módon - ez természetesen függ az adatok ábrázolása. A fő követelmény, hogy reprodukálja - egy leszármazott vagy leszármazottai a lehetőséget, hogy örökölje a vonásai mindkét szülő „keveredés” őket semmilyen módon.
Miért magánszemélyek reprodukciót vannak kiválasztva teljes lakossága H és a túlélők nincsenek meg az első lépést elemek H0 (bár az utóbbi lehetőség is joga van létezni)? Az a tény, hogy a fő probléma a sok genetikus algoritmusok - a sokszínűség hiánya (diverzitás) egyedekben. Egyetlen genotípus kiemelkedik elég gyorsan, ami egy lokális maximum, majd minden eleme a lakosság elvesztette a kiválasztás, mind a teljes népesség „kalapált” példányban ezt egyén. Vannak különböző módon kell kezelni ezt a nem kívánt hatást; Egyikük - a választás a tenyésztésre nem a legalkalmasabb, de általában minden egyén.
A mutációk tartalmaznak minden ugyanaz, mint reprodukálni: van egy bizonyos mennyiségű mutáns m, egyik paramétere a genetikus algoritmus, és lépésben mutációk választani mN egyének, majd módosíthatja azokat az előre meghatározott mutáció műveletek
A kiválasztási szakaszban az igény a teljes népesség, hogy válasszon egy bizonyos hányada az, hogy továbbra is „él” ebben a szakaszban az evolúció. Vannak különböző módon végzik a kiválasztást. h egyéni túlélési valószínűség függ az értéke fitness függvény Fitness (h). A nagyon túlélési arányát s általában a paraméter genetikai algoritmus, és ez csak előre meghatározott. Az eredmények szerint a kiválasztási N egyének a lakosság továbbra is H SN egyének venni a végső H „populációban. A fennmaradó leölt
Amikor kiválasztunk egy torna (torna kiválasztása) populációjából tartalmazó N egyének véletlenszerűen kiválasztott egyének t, és a legjobb közülük van írva az egyes közbenső tömb (ábra. 5). Ezt a műveletet addig ismételjük, N-szer. Az egyének a kapott köztes tömb ezután használjuk párosodás (például véletlenszerűen). A méret vonal csoport kiválasztása a verseny, gyakran egyenlő 2. Ebben az esetben beszélünk bináris (páros) a verseny. Általában a szám t nevezik a versenyt. A módszer előnye, hogy nem igényel további számításokat.
Az eljárás során a rulett (roulette kerék kiválasztása) példányokra útján kiválasztott N «fut” rulett ahol N - populáció mérete. A rulett kerék tartalmaz egy szektor minden tagja számára a lakosság. A méret az i-edik szektor arányos a valószínűsége alá egy új populációt P (i),
képlet szerint kiszámított:
ahol f (i) - az alkalmasságát az i-edik egyedi. Becsült kópiaszám az i-edik kromoszómán után rulett üzemeltető által meghatározott általános képletű Ni = P (i) N. Ilyen tagjainak kiválasztása, a lakosság nagyobb alkalmazkodóképesség nagyobb valószínűséggel kiválasztott gyakrabban, mint a gyengén fitness (táblázat. 7). Más szelekciós technikákat lehet származnak a fent említett módosítások. Például, a rulett kiválasztása, meg lehet változtatni a képletet a valószínűsége az egyén belép egy új népesség.