WAE
Jarosław Arabas
Analiza i modelowanie
dynamiki populacji
Ewolucja algorytmiczna a
biologiczna
●Osobnik
●Genotyp
●Fenotyp
●Przystosowanie
●?
●Gatunek
●Mutacja
●Crossover
●?
●“Osobnik”
●Punkt w przestrzeni
przeszukiwań
●
Punkt w przestrzeni cech
●
Wartość funkcji celu
●
Dodatkowe parametry
●
Populacja punktów
●“Mutacja”
●
“Krzyżowanie”
Ślad populacji Wariancja populacji
Dynamika populacji – mutacyjny AE
Pewna liczba punktów nie ma potomstwa
Niektóre punkty mają wiele potomków
Każdy potomek jest mutantem rodzica
Dynamika populacji – mutacyjny AE
Od genealogii do różnorodności –
mutacyjny AE
Wartość at nie zależy od t dla reprodukcji opartej na rangach P-stwo że dwa punkty
z Pt+1 mają wspólnego
rodzica
a
t=
∑
i=1μ
Od genealogii do różnorodności –
mutacyjny AE
P-stwo że dwa punkty z Pt+1 mają wspólnego
przodka k generacji temu
a(1−a)
k−1Powyższy wzór jest prawidłowy przy założeniu niezależności p-stwa wyboru rodzica jednego punktu od rodzica drugiego punktu
Od genealogii do różnorodności –
mutacyjny AE
P-stwo że dwa punkty z Pt+1 mają wspólnego
przodka k generacji temu
a(1−a)
k−1Wariancja różnicy punktów
mających najbliższego przodka k generacji temu
Od genealogii do różnorodności –
mutacyjny AE
Wariancja równowagowa populacji jednowymiarowejV [ P
i t−
P
tj]=
lim
K → ∞∑
k=0 K2k a(1−a)
kv
m Wariancja różnicy międzydwoma dowolnymi osobnikami jest podwojoną wariancją populacji
Od genealogii do różnorodności –
mutacyjny AE
Powyższy wzór jest prawidłowy przy założeniu niezależności p-stwa wyboru rodzica jednego punktu od rodzica drugiego punktu
Wariancja równowagowa
populacji jednowymiarowej
v
explore ∞=
lim
K → ∞∑
k=0Kk a(1−a)
kv
m=
1
a
v
mOd genealogii do różnorodności –
mutacyjny AE
●Różnorodność równowagowa
●Selekcja progowa
●Selekcja turniejowa
●Selekcja proporcjonalna
a=
1
θ⋅μ
v
∞=
1
a
v
ma≈
s
2μ(2s−1)
a≈
μ (1+ v
1
q/(
m
q)
2)
Ewolucja populacji
Populacja jako gatunek może być
charakteryzowana poprzez
●
Położenie swojego “środka” - reprezentanta
gatunku
Od genealogii do różnorodności –
mutacyjny AE
Powyższy wzór jest prawidłowy przy założeniu niezależności p-stwa wyboru rodzica jednego punktu od rodzica drugiego punktu
Wariancja równowagowa
populacji jednowymiarowej
v
explore ∞=
1
a
v
mOd genealogii do różnorodności –
mutacyjny AE
Wykres korelacji
wartości funkcji celu dzieci i rodziców
Założenie o niezależności spełnione w przybliżeniu
Założenie o niezależności niespełnione
Od genealogii do różnorodności –
mutacyjny AE
duży zasięg mutacji Wykres zmian stanu populacjiWartość średnia położenia punktów populacji
W ar ia nc ja p oł oż en ia p un kt ów p op ul ac ji po dz ie lo na p rz ez w ar ia nc ję m ut ac ji
v
m=10
6Od genealogii do różnorodności –
mutacyjny AE
Bardzo mały zasięg mutacji Wykres zmian stanu populacjiWartość średnia położenia punktów populacji
W ar ia nc ja p oł oż en ia p un kt ów p op ul ac ji po dz ie lo na p rz ez w ar ia nc ję m ut ac ji
v
m=10
−3Od genealogii do różnorodności –
mutacyjny AE
średni zasięg mutacji Wykres zmian stanu populacjiWartość średnia położenia punktów populacji
W ar ia nc ja p oł oż en ia p un kt ów p op ul ac ji po dz ie lo na p rz ez w ar ia nc ję m ut ac ji
v
m=5
Od genealogii do różnorodności –
mutacyjny AE
Start daleko od maksimum globalnego Wykres zmian stanu populacjiWartość średnia położenia punktów populacji
W ar ia nc ja p oł oż en ia p un kt ów p op ul ac ji po dz ie lo na p rz ez w ar ia nc ję m ut ac ji
v
m=5
Algorytm ewolucyjny
w stanie równowagi
Algorytm ewolucyjny
w stanie równowagi
●
Przez wiele pokoleń populacja fluktuuje w tym
samym obszarze przestrzeni przeszukiwań
●
Modelujemy populację jak gdyby była zbiorem
realizacji zmiennej losowej o niezmiennym
rozkładzie, zwanym rozkładem próbkowania
●
Założenie upraszczające – zajmujemy się
wartością oczekiwaną i wariancją zmiennej
losowej generującej populację
●
Dodatkowe uproszczenie – badamy wartości
Algorytm ewolucyjny
w stanie równowagi
Algorytm ewolucyjny
w stanie równowagi
Algorytm ewolucyjny
w stanie równowagi
Model “populacji nieskończonej”
●
Liczebność populacji dąży do nieskończoności
●Dystrybuanta empiryczna populacji dąży do
Model “populacji nieskończonej” –
mutacyjny AE
●
gęstość p-stwa rozkładu próbkowania
●gęstość p-stwa rozkładu po reprodukcji
●gęstość p-stwa rozkładu po reprodukcji i
mutacji
●
Zapis wartości oczekiwanej i wariancji
f
tPf
tRf
t+ 1P=
f
tR∗f
M '*' oznacza splotm
t + 1P=
m
tRv
t+ 1P=
v
tR+
v
mModel “populacji nieskończonej” –
rozkład punktów po reprodukcji
m
tR=
m
P tv
q+
m
qv
tPv
q+
v
tPv
tR=
v
qv
P tv
q+
v
tPModel “populacji nieskończonej” –
rozkład punktów po reprodukcji
v
tR=γ (
s) v
tPγ (
s)=
∫
−∞ 04s
√π y
2(
1+ erf ( y))
s−1exp(− y
2)
dy
γ (
2)=1−
π
2
Model “populacji nieskończonej” –
rozkład punktów po reprodukcji
v
tR=(1−
2 α(θ)
θ
)
v
tPα(θ)=Q (
θ+
1
2
)
g(Q (
θ+
1
2
))
Model “populacji nieskończonej” –
dynamika zmian środka populacji
m
tR=
m
P tv
q+
m
qv
tPv
q+
v
tPv
tR=
v
qv
P tv
q+
v
tPm
t+ 1P=
m
tR Równanie dynamikiwartości oczekiwanej populacji
Równania dla
Model “populacji nieskończonej” –
dynamika zmian różnorodności
m
tR=
m
P tv
q+
m
qv
tPv
q+
v
tPv
tR=
v
qv
P tv
q+
v
tPv
t+ 1P=
v
tR+
v
m Równanie dynamiki wariancji populacji Równania dla reprodukcji proporcjonalnejModel “populacji nieskończonej” –
dynamika zmian stanu
●
Wartość oczekiwana i wariancja modelu
populacji nieskończonej dążą do wartości
stabilnych
●
Stabilnym poziomem wartości oczekiwanej jest
położenie maksimum funkcji celu, jeśli jest ona
symetryczna względem tego punktu
●
Wariancja nigdy nie spadnie do zera, ale
utrzyma się na pewnym charakterystycznym
poziomie różnorodności równowagowej
Model “populacji nieskończonej” –
równowagowa różnorodność
●
Równanie ewolucji wariancji populacji
●Równanie zbieżne dla
●
Zatem równowagowa wariancja opisana jako
v
t+ 1P=
v
tR+
v
m=
A v
tP+
v
mv
t+ 1P=
v
tP=
v
∞v
∞P=
v
m1− A
Model “populacji nieskończonej” –
równowagowa różnorodność
●Reprodukcja turniejowa (s=2)
●Reprodukcja proporcjonalna
●Reprodukcja progowa
v
tR=(1−
π )v
2
tPv
∞P= π
2
v
mv
tR=
v
qv
P tv
q+
v
tPv
P ∞=
1+
√
1+ 4 v
q/
v
m2
v
mv
tR=(1−
2α(θ)
θ
)
v
tPv
∞P=
θ
2 α(θ)
v
mα(θ)=Q (
θ+
1
2
)
g (Q(
θ+
1
2
))
Przejście między modelami
prognozy zróżnicowania
Model populacji nieskończonej
Jakość rodziców i potomków niezależna
γ=
s
2(
P
t)−
v
∞Pv
Pexplore−
v
∞PPrzejście między modelami
prognozy zróżnicowania
Eksploracja i eksploatacja
Poszukiwanie “najbardziej
obiecującej górki” Poszukiwanie “szczytu górki”
Eksploracja i eksploatacja
Poszukiwanie “najbardziej
obiecującej górki” Poszukiwanie “szczytu górki”
Presja selekcyjna Selektywny nacisk
θ=0.03
θ=
0.1
θ=
0.5
v
tR=(
1−
2α(θ)
θ
)
v
tPEksploracja i eksploatacja
●
Metody sterowania presją selekcji
●
Reprodukcja progowa – wartość
●
Reprodukcja turniejowa – wielkość szranek s
●
Reprodukcja proporcjonalna – modyfikacja wartości
funkcji celu (fitness scaling)
Eksploracja i eksploatacja
Poszukiwanie “najbardziej
obiecującej górki” Poszukiwanie “szczytu górki”
Presja selekcyjna Selektywny nacisk