Algorytmy genetyczne, jak one działają ?

Algorytmy genetyczne, jak one działają ?

Algorytmy genetyczne, jak one działają?

Imponderabilia

Algorytmy genetyczne, jak one działają ?

Populacja początkowa

W celu ustalenia populacji początkowej należy wygenerować liczbę pop size chromosomów losowo, bit po bicie.

Chcemy optymalizować funkcję f z pewną określoną dokladnością. Na tej podstawie obliczamy dłogość reprezentacji binarnej (lub innej).

Algorytmy genetyczne, jak one działają ?

Populacja początkowa

W celu ustalenia populacji początkowej należy wygenerować liczbę pop size chromosomów losowo, bit po bicie.

Chcemy optymalizować funkcję f z pewną określoną dokladnością.

Na tej podstawie obliczamy dłogość reprezentacji binarnej (lub innej).

Algorytmy genetyczne, jak one działają ?

Reprodukcja a sukcesja

Reprodukcja jest procesem, w którym ciągi kodowe zostają powielone w stosunku zależnym od wartości f. dopasowania.

Sukcesja - zastępowanie rodzice: dzieci przy kolejnej ewaluacji populacji. Dotyczy technik niszowania, czy koewolucji.

Algorytmy genetyczne, jak one działają ?

Reprodukcja a sukcesja

Reprodukcja jest procesem, w którym ciągi kodowe zostają powielone w stosunku zależnym od wartości f. dopasowania.

Sukcesja - zastępowanie rodzice: dzieci przy kolejnej ewaluacji populacji. Dotyczy technik niszowania, czy koewolucji.

Algorytmy genetyczne, jak one działają ?

Selekcja

oblicz wartość dopasowania eval(vi) dla każdego chromosomu.

oblicz całkowite dopasowanie populacji F.

oblicz prawdopodobieństwo wyboru p_i każdego chromosomu v_i p_i = eval(v_i)/F.

oblicz dystrybuantę q_i dla każdego chromosomu.

Algorytmy genetyczne, jak one działają ?

Selekcja

oblicz wartość dopasowania eval(vi) dla każdego chromosomu.

oblicz całkowite dopasowanie populacji F.

oblicz prawdopodobieństwo wyboru p_i każdego chromosomu v_i p_i = eval(v_i)/F.

oblicz dystrybuantę q_i dla każdego chromosomu.

Algorytmy genetyczne, jak one działają ?

Selekcja

oblicz wartość dopasowania eval(vi) dla każdego chromosomu.

oblicz całkowite dopasowanie populacji F.

oblicz prawdopodobieństwo wyboru p_i każdego chromosomu v_i p_i = eval(v_i)/F.

oblicz dystrybuantę q_i dla każdego chromosomu.

Algorytmy genetyczne, jak one działają ?

Selekcja

oblicz wartość dopasowania eval(vi) dla każdego chromosomu.

oblicz całkowite dopasowanie populacji F.

oblicz prawdopodobieństwo wyboru p_i każdego chromosomu v_i p_i = eval(v_i)/F.

oblicz dystrybuantę q_i dla każdego chromosomu.

Algorytmy genetyczne, jak one działają ?

Ruletka

Wygeneruj liczbe pseudolosową r z przedziału [0,1], {wykonuj to pop size razy}

jeżeli r < q1, to wybierz vi (następny osobnik z populacji). oczywiście niektóre chromosomy będą wybrane więcej niż raz. Jest to zgodne z tw. o schematach.

Algorytmy genetyczne, jak one działają ?

Ruletka

Wygeneruj liczbe pseudolosową r z przedziału [0,1], {wykonuj to pop size razy}

jeżeli r < q1, to wybierz vi (następny osobnik z populacji).

oczywiście niektóre chromosomy będą wybrane więcej niż raz. Jest to zgodne z tw. o schematach.

Algorytmy genetyczne, jak one działają ?

Ruletka

Wygeneruj liczbe pseudolosową r z przedziału [0,1], {wykonuj to pop size razy}

jeżeli r < q1, to wybierz vi (następny osobnik z populacji).

oczywiście niektóre chromosomy będą wybrane więcej niż raz. Jest to zgodne z tw. o schematach.

Algorytmy genetyczne, jak one działają ?

Krzyżowanie (cross over)

prawdopodobieństwo krzyżowania umożliwia nam obliczenie oczekiwanej liczby choromosomów do krzyżowania pc∗pop size.

wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < pc to wybierz rozpatrywany chromosom do krzyżowania. następnie losowo dobieramy chromosomy w pary.

punkt cięcia wybieramy losowo.

Algorytmy genetyczne, jak one działają ?

Krzyżowanie (cross over)

prawdopodobieństwo krzyżowania umożliwia nam obliczenie oczekiwanej liczby choromosomów do krzyżowania pc∗pop size.

wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < pc to wybierz rozpatrywany chromosom do krzyżowania. następnie losowo dobieramy chromosomy w pary.

punkt cięcia wybieramy losowo.

Algorytmy genetyczne, jak one działają ?

Krzyżowanie (cross over)

prawdopodobieństwo krzyżowania umożliwia nam obliczenie oczekiwanej liczby choromosomów do krzyżowania pc∗pop size.

wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < pc to wybierz rozpatrywany chromosom do krzyżowania.

następnie losowo dobieramy chromosomy w pary. punkt cięcia wybieramy losowo.

Algorytmy genetyczne, jak one działają ?

Krzyżowanie (cross over)

prawdopodobieństwo krzyżowania umożliwia nam obliczenie oczekiwanej liczby choromosomów do krzyżowania pc∗pop size.

wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < pc to wybierz rozpatrywany chromosom do krzyżowania.

następnie losowo dobieramy chromosomy w pary.

punkt cięcia wybieramy losowo.

Algorytmy genetyczne, jak one działają ?

Krzyżowanie (cross over)

prawdopodobieństwo krzyżowania umożliwia nam obliczenie oczekiwanej liczby choromosomów do krzyżowania pc∗pop size.

wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < pc to wybierz rozpatrywany chromosom do krzyżowania.

następnie losowo dobieramy chromosomy w pary.

punkt cięcia wybieramy losowo.

Algorytmy genetyczne, jak one działają ?

Mutacja

mutacja jest wykonywana na bitach.

oczekiwana liczba bitów zmutowanych pm∗m^∗pop size.

dla każdego chromosomu (po krzyżowaniu) i każdego bitu wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < p_mto zmutuj bit.

może się zdarzyć, że więcej niż 1 bit podlegać będzie mutacji w jednym chromosomie.

Algorytmy genetyczne, jak one działają ?

Mutacja

mutacja jest wykonywana na bitach.

oczekiwana liczba bitów zmutowanych pm∗m^∗pop size.

dla każdego chromosomu (po krzyżowaniu) i każdego bitu wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < p_mto zmutuj bit.

może się zdarzyć, że więcej niż 1 bit podlegać będzie mutacji w jednym chromosomie.

Algorytmy genetyczne, jak one działają ?

Mutacja

mutacja jest wykonywana na bitach.

oczekiwana liczba bitów zmutowanych pm∗m^∗pop size.

dla każdego chromosomu (po krzyżowaniu) i każdego bitu wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < p_mto zmutuj bit.

może się zdarzyć, że więcej niż 1 bit podlegać będzie mutacji w jednym chromosomie.

Algorytmy genetyczne, jak one działają ?

Mutacja

mutacja jest wykonywana na bitach.

oczekiwana liczba bitów zmutowanych pm∗m^∗pop size.

dla każdego chromosomu (po krzyżowaniu) i każdego bitu wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < p_mto zmutuj bit.

może się zdarzyć, że więcej niż 1 bit podlegać będzie mutacji w jednym chromosomie.

Algorytmy genetyczne, jak one działają ?

Mutacja

mutacja jest wykonywana na bitach.

oczekiwana liczba bitów zmutowanych pm∗m^∗pop size.

dla każdego chromosomu (po krzyżowaniu) i każdego bitu wygeneruj liczbę pseudolosową r z przedziału [0,1].

jeżeli r < p_mto zmutuj bit.

może się zdarzyć, że więcej niż 1 bit podlegać będzie mutacji w jednym chromosomie.