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

24511. Реализация (создание) процессов и потоков 14.71 KB
  Одной из основных подсистем мультипрограммной ОС является подсистема управления процессами и потоками которая занимается их созданием и уничтожением поддерживает взаимодействие между ними а также распределяет процессорное время и другие ресурсы между одновременно существующими процессами и потоками. Подсистема управления процессами взаимодействует с другими подсистемами ОС ответственными за управление ресурсами: подсистемой управления памятью подсистемой вводавывода файловой системой. Создать процесс значит создать дескриптор...
24512. Планирование и диспетчеризация процессов и потоков. Вытесняющие и невытесняющие алгоритмы планирования 26.96 KB
  Планирование и диспетчеризация процессов и потоков.Планирование и диспетчеризация потоков На протяжении существования процесса выполнение его потоков может быть многократно прервано и продолжено. Планирование потоков включает в себя решение двух задач: определение момента времени для смены текущего активного потока; выбор для выполнения потока из очереди готовых потоков. Существует множество различных алгоритмов планирования потоков посвоему решающих каждую из приведенных выше задач.
24513. Алгоритмы планирования, основанные на квантовании, приоритетах, смешанные алгоритмы 92.27 KB
  В соответствии с этой концепцией каждому потоку поочередно для выполнения предоставляется ограниченный непрерывный период процессорного времени квант. Смена активного потока происходит в следующих случаях: поток завершился и покинул систему; произошла ошибка; поток перешел в состояние ожидания; исчерпан квант процессорного времени отведенный данному потоку. Поток который исчерпал свой квант переводится в состояние готовность и ожидает когда ему будет предоставлен новый квант процессорного времени а на выполнение в...
24514. Планирование в системах реального времени 20.19 KB
  Планирование облегчается тем что в системах реального времени весь набор выполняемых задач известен заранее часто также известно времени выполнения задач моменты активизации и т. Если нарушение сроков выполнения задач не допустимо то система реального времени считается жесткой система управления ракетой или атомной электростанцией система обработки цифрового сигнала при воспроизведении оптического диска. Для периодической задачи все будущие моменты запроса можно определить заранее путем прибавления к моменту начального запроса величины...
24515. Мультипрограммирование на основе прерываний. Механизм прерываний 25.58 KB
  Мультипрограммирование на основе прерываний. Механизм прерываний.Мультипрограммирование на основе прерываний. Назначение и типы прерываний.
24516. Необходимость синхронизации процессов и потоков. Критическая секция 19.14 KB
  Необходимость синхронизации процессов и потоков.4 Синхронизация процессов и потоков. В многозадачной ОС синхронизация процессов и потоков необходима для исключения конфликтных ситуаций при обмене данными между ними разделении данных доступе к процессору и устройствам вводавывода. Пренебрежение вопросами синхронизации процессов выполняющихся в многозадачной системе может привести к неправильной их работе или даже к краху системы.
24517. Способы реализации взаимных исключений путем запрещения прерываний, использования блокирующих переменных, системных вызовов 103.83 KB
  Поток при входе в критическую секцию запрещает все прерывания а при выходе из критической секции снова их разрешает. Это самый простой но и самый неэффективный способ так как опасно доверять управление системой пользовательскому потоку который может надолго занять процессор а при крахе потока в критической области крах потерпит вся система потому что прерывания никогда не будут разрешены. Для синхронизации потоков одного процесса программист может использовать глобальные блокирующие переменные к которым все потоки процесса имеют прямой...