Hvordan å optimalisere Oppsett av en genetisk algoritme

Hvordan å optimalisere Oppsett av en genetisk algoritme


Genetiske algoritmer er en kunstig intelligens teknikk inspirert av naturen. Evolution "design" nye dyr å passe inn i miljøer i et strengt mekanisk måte som synes å vise intelligens. Genetiske algoritmer er en nyttig måte å løse design problemer når du ikke har noen åpenbar måte å fortsette. Hvis du kan kaste et problem som optimalisering av verdiene i en rekke av tall, kan en genetisk algoritme finne denne optimaliseringen. Hvordan man organiserer de parametere til den genetiske algoritme viser seg å være avgjørende for å optimalisere oppløsningen til et bestemt problem.

Bruksanvisning

1 Design utformingen av genetisk algoritme. Genetiske algoritmer arbeide for problemer hvor løsningen på problemet består i å optimalisere verdiene av en tallrekke. En befolkning på strengene blir evaluert og manipulert på måter slått av evolusjon før en av befolkningen er en streng som er løsningen på et spesifikt problem. Utformingen av algoritmen består av å designe utformingen av strenger, designe algoritmer for å manipulere befolkningen og vurdere i trådene i hver generasjon.

2 Start med en tilfeldig populasjon: et stort antall strenger der alle tallene i alle strengene ble valgt tilfeldig. Vurdere alle strengene og kast strengene med lavest evalueringer. Påfør to evolusjonære teknikker til høye utøvere: mutasjon og crossover. Mutasjon består av å velge et lite antall plasser på et lite antall strenger og å endre antallet litt enten opp eller ned. Crossover består av å stille opp to strenger, plukke en tilfeldig "crossover punkt" og bytter krone eller mynt på krysningspunktet. Suksesser fra siste generasjon pluss de nyopprettede strengene utgjør den nye befolkningen. Hver generasjon har samme antall strenger i befolkningen.

3 Kjør denne algoritmen i flere generasjoner, og se på de beste streng. Hvis det ikke er god nok, må du endre noen av parameterne og kjøre algoritmen på nytt. En av de mest betydningsfulle endringer du kan gjøre er å endre måten strengene er laget. For eksempel si at du prøver å designe interiøret i forbrenningskammeret av en jetmotor. Strengene kan bestå av 20 målinger foretatt på innsiden av utformingen av motoren. Fra og med ulike målinger er den endringen som er mest sannsynlig å gi deg et bedre svar.

4 De viktige parametere for å justere når optimalisere algoritme er mutasjonsraten, bestandsstørrelse, antall verdier på en snor, og posisjonene til de verdiene på strengen - enten de er i midten eller på endene.

Hint

  • Jo større bestander, jo bedre blir resultatene.
  • Jo større bestander, vil tregere programmet kjøres. Genetiske algoritmer er notorisk trege kjører - de er ofte kjøres over natten.