Genetické algoritmy sú umelé inteligencie techniky inšpirované prírodou . Evolution “ vzory “ nové zvieratá , aby sa zmestili do prostredia v prísne mechanickým spôsobom , že sa zdá , že vykazujú inteligenciu . Genetické algoritmy sú užitočný spôsob , ako riešiť konštrukčné problémy , keď nemáte žiadny zrejmý spôsob , ako postupovať . Ak môžete obsadiť problém ako optimalizáciu hodnôt v reťazci čísel , genetický algoritmus môže nájsť túto optimalizáciu . Ako usporiadať parametre genetického algoritmu sa ukáže byť veľmi dôležité pre optimalizáciu riešenia konkrétneho problému . Pokyny dovolená 1
Navrhnite usporiadanie vášho genetického algoritmu . Genetické algoritmy pracujú na problémy , kde je riešenie tohto problému sa skladá z optimalizácie hodnoty reťazca čísel . Populácie reťazce sú hodnotené a manipulovať spôsobom , navrhnutých evolúcie , kým jeden z obyvateľov je reťazec , ktorý je riešením konkrétneho problému . Dispozície algoritmu sa skladá z návrhu usporiadania strún , navrhovaní algoritmov pre manipuláciu obyvateľstva a hodnotenia reťazca v každej generácii
2
Začnite s náhodným obyvateľstva . Veľký počet strún , kde všetky čísla vo všetkých reťazcoch boli vybrané náhodne . Vyhodnotiť všetky struny a zlikvidujte reťazca s najnižším hodnotením . Naneste dve evolučných techník na vysoko výkonných : mutácie a crossover . Mutácia sa skladá z výberu malého počtu miest na malý počet reťazcov a zmenou počtu málo buď hore , alebo dole . Crossover sa skladá zo čakajú , až dva reťazce , vyberanie náhodný “ crossover bod “ a spínacie hlavy a chvosty na deliacim bodom . Úspechy z poslednej generácie plus novovytvorenej reťazca tvorí novú populáciu . Každá generácia má rovnaký počet reťazca v populácii .
3
spustiť tento algoritmus pre niekoľko generácií , a pozrite sa na najlepšie reťazci . Ak to nie je dosť dobré , je potrebné zmeniť niektoré parametre a spustiť algoritmus znova . Jednou z najvýznamnejších zmien , ktoré môžete urobiť , je zmeniť spôsob , akým struny sú vyrobené . Predpokladajme napríklad , že ste sa snažia navrhnúť interiér spaľovacej komory tryskového motora . Reťazce sa môžu skladať z 20 meraní vykonaných na vnútri konštrukcie motora . Od rôznych meraní je zmena , ktorá je s najväčšou pravdepodobnosťou vám lepšiu odpoveď .
4
dôležité parametre vyladiť pri optimalizácii vášho algoritmu sú mutácie rýchlosť , veľkosť populácie , počet hodnôt na reťazca a pozície hodnôt na reťazca – . či sú uprostred alebo na koncoch