36247

Генети́ческий алгори́тм

Доклад

Информатика, кибернетика и программирование

Некоторым обычно случайным образом создаётся множество генотипов начальной популяции. Таким образом можно выделить следующие этапы генетического алгоритма: Задать целевую функцию приспособленности для особей популяции Создать начальную популяцию Начало цикла Размножение скрещивание Мутирование Вычислить значение целевой функции для всех особей Формирование нового поколения селекция Если выполняются условия останова то конец цикла иначе начало цикла. Создание начальной популяции Перед первым шагом нужно...

Русский

2013-09-21

57.5 KB

1 чел.

Генети́ческий алгори́тмэвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование , мутации ,отбор и кроссинговер . Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.

Задача формализуется таким образом, чтобы её решение могло быть закодировано в виде вектора («генотипа») генов, где каждый ген может быть битом, числом или неким другим объектом. В классических реализациях ГА предполагается, что генотип имеет фиксированную длину. Однако существуют вариации ГА, свободные от этого ограничения.

Некоторым, обычно случайным, образом создаётся множество генотипов начальной популяции. Они оцениваются с использованием «функции приспособленности», в результате чего с каждым генотипом ассоциируется определённое значение («приспособленность»), которое определяет насколько хорошо фенотип, им описываемый, решает поставленную задачу.

При выборе «функции приспособленности» важно следить, чтобы её «рельеф» был «гладким».

Из полученного множества решений («поколения») с учётом значения «приспособленности» выбираются решения (обычно лучшие особи имеют большую вероятность быть выбранными), к которым применяются «генетические операторы» (в большинстве случаев «скрещивание» — crossover и «мутация» — mutation), результатом чего является получение новых решений. Для них также вычисляется значение приспособленности, и затем производится отбор («селекция») лучших решений в следующее поколение.

Этот набор действий повторяется итеративно, так моделируется «эволюционный процесс», продолжающийся несколько жизненных циклов (поколений), пока не будет выполнен критерий остановки алгоритма. Таким критерием может быть:

  •  нахождение глобального, либо субоптимального решения;
  •  исчерпание числа поколений, отпущенных на эволюцию;
  •  исчерпание времени, отпущенного на эволюцию.

Генетические алгоритмы служат, главным образом, для поиска решений в многомерных пространствах поиска.

Таким образом, можно выделить следующие этапы генетического алгоритма:

  1.  Задать целевую функцию (приспособленности) для особей популяции
  2.  Создать начальную популяцию
  •  (Начало цикла)
  1.  Размножение (скрещивание)
  2.  Мутирование
  3.  Вычислить значение целевой функции для всех особей
  4.  Формирование нового поколения (селекция)
  5.  Если выполняются условия останова, то (конец цикла), иначе (начало цикла).

Создание начальной популяции

Перед первым шагом нужно случайным образом создать начальную популяцию; даже если она окажется совершенно неконкурентоспособной, вероятно, что генетический алгоритм все равно достаточно быстро переведет ее в жизнеспособную популяцию. Таким образом, на первом шаге можно особенно не стараться сделать слишком уж приспособленных особей, достаточно, чтобы они соответствовали формату особей популяции, и на них можно было подсчитать функцию приспособленности (Fitness). Итогом первого шага является популяция H, состоящая из N особей.

Размножение (Скрещивание)

Размножение в генетических алгоритмах обычно половое — чтобы произвести потомка, нужны несколько родителей, обычно два.

Размножение в разных алгоритмах определяется по-разному — оно, конечно, зависит от представления данных. Главное требование к размножению — чтобы потомок или потомки имели возможность унаследовать черты обоих родителей, «смешав» их каким-либо способом.

Почему особи для размножения обычно выбираются из всей популяции H, а не из выживших на первом шаге элементов H0 (хотя последний вариант тоже имеет право на существование)? Дело в том, что главный бич многих генетических алгоритмов — недостаток разнообразия (diversity) в особях. Достаточно быстро выделяется один-единственный генотип, который представляет собой локальный максимум, а затем все элементы популяции проигрывают ему отбор, и вся популяция «забивается» копиями этой особи. Есть разные способы борьбы с таким нежелательным эффектом; один из них — выбор для размножения не самых приспособленных, но вообще всех особей.

Мутации

К мутациям относится все то же самое, что и к размножению: есть некоторая доля мутантов m, являющаяся параметром генетического алгоритма, и на шаге мутаций нужно выбрать mN особей, а затем изменить их в соответствии с заранее определёнными операциями мутации.

Отбор

На этапе отбора нужно из всей популяции выбрать определённую её долю, которая останется «в живых» на этом этапе эволюции. Есть разные способы проводить отбор. Вероятность выживания особи h должна зависеть от значения функции приспособленности Fitness(h). Сама доля выживших s обычно является параметром генетического алгоритма, и её просто задают заранее. По итогам отбора из N особей популяции H должны остаться sN особей, которые войдут в итоговую популяцию H'. Остальные особи погибают.

Генетические алгоритмы применяются для решения следующих задач:

  1.  Оптимизация функций
  2.  Оптимизация запросов в базах данных
  3.  Разнообразные задачи на графах (задача коммивояжера, раскраска, нахождение паросочетаний)
  4.  Настройка и обучение искусственной нейронной сети
  5.  Задачи компоновки
  6.  Составление расписаний
  7.  Игровые стратегии
  8.  Теория приближений
  9.  Искусственная жизнь
  10.  Биоинформатика (фолдинг белков)
  11.  

Пример тривиальной реализации на C++

Поиск в одномерном пространстве, без скрещивания.

#include <algorithm>

#include <iostream>

#include <numeric>

#include <cstdlib>

#include <ctime>

 

 

int main()

{

   ::std::srand((unsigned int)::std::time(NULL));

   const size_t N = 1000;

   int a[N] = { 0 };

   for ( ; ; )

   {

       //мутация в случайную сторону каждого элемента:

       for ( size_t i = 0 ; i < N ; ++i )

           if ( ::std::rand() % 2 == 1 )

               a[i] += 1;

           else

               a[i] -= 1;

       //теперь выбираем лучших, отсортировав по возрастанию...

       ::std::sort(a, a+N);

       //... и тогда лучшие окажутся во второй половине массива.

       //скопируем лучших в первую половину, куда они оставили потомство, а первые умерли:

       ::std::copy(a+N/2, a+N,    a);

       //теперь посмотрим на среднее состояние популяции. Как видим, оно всё лучше и лучше.

       ::std::cout << ::std::accumulate(a, a+N, 0) / N << ::std::endl;


 

А также другие работы, которые могут Вас заинтересовать

64881. СОВРЕМЕННОЕ РАЗВИТИЕ ОБРАЗОВАНИЯ В РОССИИ И ЗА РУБЕЖОМ 292.5 KB
  Ознакомить слушателей с современным развитием образования в России и за рубежом. Роль высшего образования в современной цивилизации Во всем мире происходят различные технические и социальные преобразования что не могло не отразиться на состоянии ВШ в нашей стране и за рубежом.
64882. ОСНОВЫ ДИДАКТИКИ ВЫСШЕЙ ШКОЛЫ 100.89 KB
  Вопросы обучения и воспитания в военно-учебных заведениях. Впервые ввел его в научный оборот немецкий педагог Вольфганг Ратке 1571-1635 в курсе лекций под названием Краткий отчет из дидактики или искусство обучения...
64883. ОСОБЛИВОСТІ ФОРМУВАННЯ ЧОРНОВІЛЬХОВИХ ЛІСОСТАНІВ В УМОВАХ МАЛОГО ПОЛІССЯ УКРАЇНИ 284.5 KB
  Мета роботи вивчити сучасний стан особливості росту і продуктивності чорновільхових лісостанів виявити закономірності формування їх просторової структури встановити залежності між морфометричними параметрами крон і ростом дерев вільхи чорної...
64884. ПСИХОЛОГО-ПЕДАГОГІЧНІ УМОВИ РОЗВИТКУ ЗДАТНОСТІ ДО САМООРГАНІЗАЦІЇ У МАЙБУТНІХ ОФІЦЕРІВ-ПРИКОРДОННИКІВ 238.5 KB
  На сучасному етапі розвитку Державної прикордонної служби України особливого значення набувають високі вимоги до професійної підготовки офіцерських кадрів зокрема здатність і готовність офіцерівприкордонників актуалізувати власні внутрішні ресурси самоорганізації.
64885. Прогнозування довговічності розвитку тріщин до критичних розмірів в жароміцній сталі ЕП517-Ш при сумісному впливі втоми та повзучості 498.5 KB
  Наукова новизна отриманих результатів полягає в наступному: вперше для сталі ЕП517Ш отримані залежності впливу температур статичного тривалого статичного та циклічного з різноманітними формами циклів навантаження на характеристики в’язкості руйнування...
64886. МЕТОД І ПРИСТРІЙ ДІАГНОСТУВАННЯ ЕКСПЛУАТАЦІЙНИХ РЕЖИМІВ РОБОТИ ЗАГЛИБНИХ ЕЛЕКТРОДВИГУНІВ 522.5 KB
  Дослідити режими роботи заглибного електродвигуна під впливом зовнішніх факторів. Розробити математичну модель діагностування витрати ресурсу ізоляції заглибного електродвигуна в процесі його роботи й обґрунтувати параметри діагностування.
64887. ІМПЛЕМЕНТАЦІЯ СТАНДАРТІВ КРАЇН ЄВРОСОЮЗУ В МІГРАЦІЙНУ ПОЛІТИКУ УКРАЇНИ 142.5 KB
  Інтегрування України в європейські та світові інституційні структури вимагає приведення її чинного законодавства з питань міграції до європейських та міжнародних стандартів. Із часу становлення України як суверенної держави...
64888. ОСОБЛИВОСТІ ПРИРОДНОГО ВІДТВОРЕННЯ КОРІННИХ ДЕРЕВОСТАНІВ У ГРАБОВИХ ДІБРОВАХ ЗАХІДНОГО РЕГІОНУ УКРАЇНИ 514 KB
  Висока цінність деревини дуба приуроченість дубових лісостанів до високопродуктивних ґрунтів зумовили суттєве зменшення їх площі. Значної актуальності ця проблема набуває в період сучасного поступового потепління зростання сухості клімату та динамічного розширення площ...
64889. ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ УЛЬТРАЗВУКОВОГО ТЕХНІЧНОГО ДІАГНОСТУВАННЯ БУРИЛЬНИХ ТРУБ В ПРОЦЕСІ ЇХ ЕКСПЛУАТАЦІЇ 625.5 KB
  Технічне діагностування ТД труб нафтогазового сортаменту як один із ефективних засобів забезпечення їх експлуатаційної надійності є невід’ємною складовою частиною технології спорудження й експлуатації глибоких свердловин на нафту і газ.