Metoda turniejowa
Transkrypt
Metoda turniejowa
1. Losowana jest pewna populacja początkowa. 2. Populacja poddawana jest ocenie (selekcja). Najlepiej przystosowane osobniki biorą udział w procesie reprodukcji. 3. Genotypy wybranych osobników poddawane są operatorom ewolucyjnym: › 1. są ze sobą kojarzone poprzez złączanie genotypów rodziców (krzyżowanie), › 2. przeprowadzana jest mutacja, czyli wprowadzenie drobnych losowych zmian. 4. Rodzi się drugie (kolejne) pokolenie. Aby utrzymać stałą liczbę osobników w populacji te najlepsze (według funkcji oceniającej fenotyp) są powielane, a najsłabsze usuwane. Jeżeli nie znaleziono dostatecznie dobrego rozwiązania, algorytm powraca do kroku drugiego. W przeciwnym wypadku wybieramy najlepszego osobnika z populacji - jego genotyp to uzyskany wynik. Kodowanie jest bardzo istotnym etapem projektowania algorytmu. Sposób zakodowania w chromosomie informacji o proponowanym rozwiązaniu wydatnie wpływa na szybkość i jakość znajdowanych wyników. Rodzaje kodowania: › Wektorem genów z których każdy z nich może być jedną lub wielobitową liczbą rzeczywistą › Za pomocą drzewiastych struktur danych Metoda koła ruletki Polega na zasymulowaniu odpowiednio wykalibrowanej tarczy obrotowej ruletki. Każdy chromosom ma swój odpowiednik na ruletce. Proces polega na n-krotnym obrocie kołem i wyborze za każdym razem jednego osobnika. Niektóre będą wybierane częściej, a inne rzadziej. Metoda rankingowa Polega na obliczeniu dla każdego osobnika funkcji oceny i ustawieniu go w szeregu najlepszy-najgorszy. Pierwsi na liście dostają prawo do rozmnażania, a reszta jest usuwana z populacji. Metoda turniejowa Grupa turniejowa jest k-elementowa, zwykle 2-3 osobowa. Wybierany jest najlepszy osobnik na podstawie funkcji przystosowania i wstawiany jest do nowej populacji. Powtarzamy czynność tyle razy ile jest osobników w całej populacji. Krzyżowanie polega na połączeniu niektórych (wybierane losowo) genotypów w jeden. Kojarzenie ma sprawić, że potomek dwóch osobników rodzicielskich ma zespół cech, który jest kombinacją ich cech (może się zdarzyć, że tych najlepszych). Rodzaje krzyżowania: › Jednopunktowe › Dwupunktowe › Wielopunktowe › Równomierne Mutacja wprowadza do genotypu losowe zmiany. Jej zadaniem jest wprowadzanie różnorodności w populacji, czyli zapobieganie (przynajmniej częściowe) przedwczesnej zbieżności algorytmu. Mutacja zachodzi z pewnym przyjętym prawdopodobieństwem zazwyczaj rzędu 1%. Jest ono niskie, ponieważ zbyt silna mutacja przynosi efekt odwrotny do zamierzonego: zamiast subtelnie różnicować dobre rozwiązania - niszczy je. Stąd w procesie ewolucji mutacja ma znaczenie drugorzędne, szczególnie w przypadku długich chromosomów. Harmonogramowanie zadań i planowanie procesów przemysłowych. Problem harmonogramowania, gdzie należy przydzielić zasoby do kolekcji zadań. Przemysł chemiczny. Optymalizacja w zakładach chemicznych polega na modyfikacji struktury parametrów operacyjnych tak aby znaleźć globalne optimum w celu wykonania pewnego zadania chemicznego. Medycyna – radiolog planując serię naświetlań poszukuje najlepszego sposobu leczenia w przestrzeni wszystkich możliwych sposobów. Algorytmy ewolucyjne są obecnie z powodzeniem wykorzystywane w rozwiązywaniu wielu rzeczywistych problemów w różnych dziedzinach.