Algorytmy genetyczne sątechniki sztucznej inteligencji inspirowane naturą . Evolution ” projekty ” nowe zwierzęta , aby pasowały do otoczenia w sposób ściśle mechanicznego , które zdaje się wykazywać inteligencję . Algorytmy genetyczne sądobrym sposobem na rozwiązywanie problemów projektowych , gdy nie masz oczywisty sposób postępowania. Jeśli można oddać jako problem optymalizacji wartości w ciąg liczb ,algorytm genetyczny może znaleźć tej optymalizacji . Jak zorganizować parametrów algorytmu genetycznego okazuje się mieć kluczowe znaczenie dla optymalizacji rozwiązania konkretnego problemu . Instrukcja
1
Zaprojektuj układ Twojego algorytmu genetycznego . Algorytmy genetyczne pracować problemów w przypadkurozwiązania tego problemu polegające na optymalizacji wartości ciąg liczb. Populacja strun są oceniane i manipulowane w sposób sugerowane przez ewolucję , aż jeden z mieszkańców tociąg znaków, który jestrozwiązanie konkretnego problemu . Układ składa się z algorytmem projektując strun , projektowanie algorytmów do manipulowania populacji i oceny ciągi w każdym pokoleniu
2
Rozpocznij losowej populacji : .Wiele strun , gdzie wszystkie numery na wszystkich strunach zostały wybrane przypadkowo . Oceny wszystkich strunach i usunąć łańcuchy z najniższych ocen. Zastosuj dwie ewolucyjne techniki wysokich wykonawców : mutacji i krzyżowania . Mutacja polega na wyborze niewielką liczbę miejsc na małej liczbie łańcuchów zmienia liczbęmało albo w górę lub w dół. Zwrotnica składa się z dwóch ciągów w kolejce , wybierając losowo ” rozjazd ” i punkt przełączania głowy i ogony w punkcie podziału. Sukcesy z ostatniego pokolenia plus nowo utworzone ciągi tworzą nową populację . Każde pokolenie ma taką samą liczbę ciągi w populacji .
3
uruchom ten algorytm dla kilku pokoleń i spojrzeć w najlepszej ciąg. Jeśli to nie jest wystarczająco dobre , trzeba zmienić niektóre parametry i uruchomić algorytm ponownie. jedną z najbardziej znaczących zmian można zrobić to zmienić sposób ciągi są wykonane . na przykład , załóżmy, że starają się zaprojektować wnętrze komory spalania silnika odrzutowego . ciągi może składać się z 20 pomiarów wykonanych na wewnątrz konstrukcji silnika. Począwszy od różnych pomiarów jestzmiana, która jest najbardziej prawdopodobne , aby dać lepszą odpowiedź .
4
ważne parametry do dostrojenia przy optymalizacji algorytmu są częstość mutacji , wielkość populacji ,liczba wartości na sznurku i stanowisk wartości na ciąg – . czy są w środku lub na końcach Imperium