MichałOkulewicz ZMOGMetodyEwolucyjne:odkrywanieczypogłębianie?

(1)

ZMOG

Metody Ewolucyjne: odkrywanie czy pogłębianie?

Michał Okulewicz

Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska

Michał Okulewicz ZMOG

(2)

Metody Ewolucyjne: odkrywanie czy pogłębianie?

1

Metody Ewolucyjne Operatory selekcji

Operatory krzyżowania i mutacji

(3)

Strategie Ewolucyjne

for ( s a m p . idx in 1:( s a m p l e s . c o u n t / s i n g l e . s a m p l e . s i z e ) ) {

m o v e = m a t r i x ( r n o r m ( dim * s i n g l e . s a m p l e . size ,0 , s i g m a ) , n c o l = dim , n r o w = s i n g l e . s a m p l e . s i z e )

s a m p l e = s a m p l e + m o v e t e m p . val = f ( s a m p l e )

s u c c e s s . r a t e = m e a n ( t e m p . val < c u r r e n t . val ) s a m p l e = i f e l s e ( t e m p . val > c u r r e n t . val , s a m p l e -

move , s a m p l e )

c u r r e n t . val = i f e l s e ( t e m p . val > c u r r e n t . val , c u r r e n t . val , t e m p . val )

# a d a p t a c c o r d i n g to 1/5 s u c c e s s r u l e if ( s u c c e s s . r a t e > 0 . 2 ) {

s i g m a = s i g m a * 1.1 } e l s e {

s i g m a = s i g m a / 1.1 }

}

(4)

Uogólnienie schematu działania

Oceń rozwiązania

Dokonaj selekcji

Krzyżuj Mutuj

Rodzice Potomkowie

Mutanci

Najlepsze rozwiązanie Wygeneruj

populację początkową

Klony

Elita Potomkowie

(5)

Metody selekcji

•

Ruletka (popularna)

•

Ruletkowa zrównoważona (popularna z poprawką)

•

Rangowa (wzmocnienie nacisku przy płaskich funkcjach)

•

Turniejowa (brak oceny bezwzględnej)

•

Elitarna (mocna eksploatacja)

•

Jednostajna (mocna eksploracja)

(6)

Porównanie rozkładów selekcji

0 20 40 60 80

0.000.040.080.12

Rank

Probability

Ruletka Elitarna Rangowa

(7)

Porównanie rozkładów selekcji

15 20 25 30 35 40

0.000.040.080.12

Value

Probability

Ruletka Elitarna Rangowa

(8)

Porównanie zbieżności

0 1000 2000 3000 4000 5000

012345

Rastrigin 5

sample

Y

MC

ES - succession ES - roulette ES - elite ES - ranked

(9)

Porównanie zbieżności

0 1000 2000 3000 4000 5000

020406080

Rosenbrock 5

sample

Y

MC

ES - succession ES - roulette ES - elite ES - ranked

(10)

Operatory krzyżowania

•

Krzyżowanie wektorowe

• jednopunktowe

• dwupunktowe

• wymieniające

•

Krzyżowanie arytmetyczne

• uśredniające

• liniowe

• prostokątne

(11)

Operatory krzyżowania

•

Krzyżowanie wektorowe

• jednopunktowe

• dwupunktowe

• wymieniające

•

Krzyżowanie arytmetyczne

• uśredniające

• liniowe

• prostokątne

(12)

Operatory krzyżowania

•

Krzyżowanie wektorowe

• jednopunktowe

• dwupunktowe

• wymieniające

•

Krzyżowanie arytmetyczne

• uśredniające

• liniowe

• prostokątne

(13)

Operatory mutacji

•

Mutacja wektorowa

• przełączanie bitów

•

Mutacja arytmetyczna

• rozkład Gaussa

• rozkład Cauchy’ego

(14)

Operatory mutacji

•

Mutacja wektorowa

•

Mutacja arytmetyczna

• rozkład Gaussa

(15)

Operatory mutacji

•

Mutacja wektorowa

•

Mutacja arytmetyczna

• rozkład Gaussa

-4 -2 0 2 4

0.00.10.20.30.4

Distribution

x

Probability

Gauss Cauchy

(16)

Oczekiwania względem algorytmu

•

Eksploracja czy eksploatacja?

• Makromutacje + niska presja selektywna = Eksploracja?

• Krzyżowanie + wysoka presja selektywna = Eksploatacja?

(17)

Oczekiwania względem algorytmu

•

Eksploracja czy eksploatacja?

• Makromutacje + niska presja selektywna = Eksploracja?

• Krzyżowanie + wysoka presja selektywna = Eksploatacja?

(18)

Inspiracje: Lamarck vs. Darwin

•

Czy wiedza i doświadczenie podglegają dziedziczeniu?

A study shows that when mice are taught to fear an odor, both their offspring and the next generation are born fearing it. The gene for an olfactory receptor activated by the odor is specifically demethylated in the germ line and the olfactory circuits for detecting the odor are enhanced.

(19)

Praca domowa

•

Przetestować kodowanie binarne z kodowaniem ciągłym

•

Przetestować różne rodzaje podejść i krzyżowania (wymieniające, uśredniające, pośrednie)

•

Porównać mutację wykorzystującą rozkład Cauchy’ego i rozkład Gaussa

•

Zweryfikować szybkość zbieżności dla różnych wariantów

(20)

Bibliografia I

Jarosław Arabas.

Wykłady z algorytmów ewolucyjnych.

Wydawnictwa Naukowo-Techniczne, 2004.

Moshe Szyf.

Lamarck revisited: epigenetic inheritance of ancestral odor fear conditioning.

Nature neuroscience, 17(1):2–4, 2014.

Yan Wang, Huijie Liu, and Zhongsheng Sun.

Lamarck rises from his grave: parental environment-induced epigenetic inheritance in model organisms and humans.

Biological Reviews, 2017.