1-rasmda: Genetic algorithm
Genetik algoritmlar odatda kompyuter simulyatsiyasi sifatida amalga oshiriladi, unda optimallashtirish muammosiga nomzod yechimlarning (individuallar deb ataladigan) mavhum ko'rinishlari (xromosomalar deb ataladi) populyatsiyasi yaxshiroq echimlarga aylanadi. An'anaga ko'ra, echimlar ikkilik tizimda "0" va "1" qatorlari sifatida taqdim etiladi, ammo turli xil kodlashlar ham mumkin. Evolyutsiya tasodifiy shaxslarning to'liq populyatsiyasidan boshlanadi va avlodlar davomida sodir bo'ladi. Har bir avlodda butun populyatsiyaning qobiliyati baholanadi, so'ngra hozirgi populyatsiyadan bir nechta individlar stoxastik (qobiliyatiga qarab) tanlanadi, so'ngra o'zgartiriladi (mutatsiya yoki rekombinatsiya orqali) yangi populyatsiyani hosil qiladi, bu esa hozirgi populyatsiyaga aylanadi. algoritmdan keyingi iteratsiya.
Umumiy genetik algoritmlar ikkita narsani aniqlashni talab qiladi: yechimning genetik ko'rinishi uni baholash qobiliyati.
Standart tasvir bitlar massividir. Boshqa turdagi va tuzilmalarning massivlari ham xuddi shunday tarzda ishlatilishi mumkin. Ushbu genetik ko'rinishni aniq qiladigan asosiy narsa shundaki, qismlar o'zlarining qattiq o'lchamlari tufayli tartibga solish oson, bu oddiy kesishish operatsiyalarini osonlashtiradi.
2-rasmda: Ma'lumot asosiy GA da ikkilik shaklda saqlanadi. Keyingi jarayonda uzluksiz va diskret qiymatlar bilan ishlaydigan GAlar ham taklif qilindi.
Genetik vakillik va fitnes funktsiyasi aniqlangandan so'ng, GA eritmalar populyatsiyasini boshlashga, so'ngra mutatsion, krossover, inversiya va selektsiya operatorlarini takroriy qo'llash orqali yaxshilashga kirishadi. Boshlash Aholining soni muammoning mohiyatiga bog'liq, ammo odatda bir necha yuz yoki minglab mumkin bo'lgan echimlarni o'z ichiga oladi. Ko'pincha, boshlang'ich populyatsiya tasodifiy ravishda hosil bo'lib, barcha mumkin bo'lgan echimlarni taklif qiladi (qidirish maydoni). Ba'zan, echimlar optimal echimlar topilishi mumkin bo'lgan joylarda "urug '" bo'lishi mumkin. Tanlash Asosiy maqola: Tanlash (genetik algoritm) Har bir keyingi avlod davomida mavjud aholining bir qismi tanlangan yangi avlodni etishtirish. Shaxsiy echimlar a orqali tanlanadi fitnesga asoslangan jarayon, qaerda montajchi echimlar (a bilan o'lchanganidek fitness funktsiyasi) odatda ko'proq tanlanadi. Muayyan tanlov usullari har bir echimning mosligini baholaydi va eng yaxshi echimlarni afzal ko'radi. Boshqa usullar faqat aholining tasodifiy tanloviga baho beradi, chunki avvalgi jarayon juda ko'p vaqt talab qilishi mumkin. Fitnes funktsiyasi genetik vakillik bo'yicha aniqlanadi va o'lchanadi sifat taqdim etilgan echim. Fitness funktsiyasi har doim muammoga bog'liq.
|
