ALHE
Jarosław Arabas Algorytm ewolucyjny
Stochastyczny algorytm
wspinaczkowy (bez modelu)
Losowy sąsiad Wybór najlepszego punktu
Losowy sąsiad
Nieklasyczne błądzenie
przypadkowe
Wybór dowolnego punktuWariant pośredni
protoplasta algorytmu ewolucyjnego
Losowy sąsiadWybór punktu
z prawdopodobieństwem zależnym od jakości
Algorytm ewolucyjny
algorytm ewolucyjny inicjuj P 0 {x1, x2... x} t 0 while ! stop for i ∈1: if a pc O t ,i mutationcrossover select P t , k else O t ,i mutationselect P t ,1 P t1 replacement P t ,O t t t1a jest zmienną losową
Krzyżowanie Mutacja
Algorytm ewolucyjny
sposób przetwarzania punktów
ReprodukcjaAlgorytm ewolucyjny (z elitą)
sposób przetwarzania punktów
Algorytm ewolucyjny
sposób przetwarzania punktów
R(t) O(t) P(t+1)
`
Krzyżowanie Mutacja Zastępowanie (sukcesja)
P(t)
Algorytm ewolucyjny
● selekcja (reprodukcja, selection)
wybrać lepsze punkty z P(t) z większym prawdopodobieństwem niż gorsze
● krzyżowanie (crossover)
wygenerować punkt “pośredni”, typowo k=2
● mutacja (mutation)
wygenerować punkt z otoczenia
● sukcesja (zastępowanie, replacement)
Typy selekcji (najczęstsze)
● proporcjonalna (ruletkowa) ● turniejowa
● progowa
(populacja posortowana dla turniejowej i progowej)
ps(P(t ,i))= q (P(t ,i))+a
∑
j (q (P(t , j))+a) ps(P(t ,i))={
1 θμ i≤θμ 0 w p.p.}
ps(P(t ,i))= 1 μs ((μ−i+1) s −(μ−i)s)Selekcja turniejowa
ps P t , i= 1 s −i1 s−−is P(t) 1 5 7 Szranki s miejsc 5Losowanie ze zwracaniem s numerów z zakresu 1..8 z rozkładem jednostajnym
Reprodukcji podlega punkt ze szranek, dla którego wartość f. celu jest największa
Rangowe metody selekcji
0 20 40 60 80 100 120 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 Progowa(1/7) Turniej(2) Turniej(5) ranga punktu p-st w o se le kc jiy=krzyżowanie(x1, x2)
Typy krzyżowania (przykłady)
● Ogólny zapis metody krzyżowania
● jednopunktowe
zmiana 0->1 w losowo wybranym miejscu
● równomierne
p-stwo zera i jedynki jednakowe
● Arytmetyczne
ważone uśrednianie z losowymi współczynnikami
y=w⋅x1+(1−w)⋅x2
gdzie a⋅b=c , ci=aibi w=[0,..,0,1,.. ,1]
w=[0,1,0,1,1,0,0,0,1,1,...]
Gd GdOl GdSz GdBy GdWa GdByWa GdByL GdWaOl GdWaBi GdWaLu GdWaKi GdWaBy GdWaL GdByLWr GdByLKa GdByLPo GdByLKaKr GdByLKaWr GdWaKiKr GdWaLPo GdWaLWr GdWaLKa GdWaLKaWr GdWaLKaKr
Typy krzyżowania
(przykłady)
Idea mutacji
Po mutacji
y=mutacja(x)
Typy mutacji (przykłady)
● Mutacja rozkładem normalnym z macierzą
kowariancji C
● Mutacja rozkładem alfa-stabilnym
● Mutacja bitowa (zamiana wartości bitu na
Gd GdOl GdSz GdBy GdWa GdByWa GdByL GdWaOl GdWaBi GdWaLu GdWaKi GdWaBy GdWaL GdByLWr GdByLKa GdByLPo GdByLKaKr GdByLKaWr GdWaKiKr GdWaLPo GdWaLWr GdWaLKa GdWaLKaWr GdWaLKaKr
Typy mutacji
(przykłady)
Typy zastępowania
● generacyjne ● elitarne ● steady-state P t1=O t P t1={k najlepszych z P t }∪O t =1 P t1=P t ∖ {P t , b}∪O t Algorytm ewolucyjny
(sukcesja nieelitarna)
● Poinformowanie T ● Determinizm N
● Typ modelu brak
● Lokalność wariacji N/T (zależy od mutacji) ● Miękkość selekcji T/N (zależy od jej typu) ● Rozmiar okna historii liczność populacji ● Zupełność asymptotyczna/brak
Algorytm ewolucyjny
(sukcesja elitarna)
● Poinformowanie T ● Determinizm N
● Typ modelu pamięciowy ● Wielkość modelu 1 lub więcej
● Lokalność wariacji N/T (zależy od mutacji) ● Miękkość selekcji T/N (zależy od jej typu) ● Rozmiar okna historii nieskończony