Hoe het optimaliseren van de lay-out van een genetisch algoritme

Genetische algoritmen zijn een kunstmatige intelligentie techniek geïnspireerd door de natuur . Evolution "van " nieuwe dieren te passen in omgevingen in een strikt mechanische manier die lijkt te intelligentie vertonen . Genetische algoritmen zijn een handige manier om het ontwerp problemen op te lossen als je geen voor de hand liggende manier om verder te gaan . Als een probleem gegoten als optimalisatie van de waarden in een reeks getallen , kan een genetisch algoritme deze optimalisatie vinden . Hoe dient de parameters van het genetische algoritme blijkt cruciaal te optimaliseren van de oplossing voor een bepaald probleem te zijn . Instructies
1

de lay-out van je genetische algoritme ontwerpen . Genetische algoritmen werken voor problemen waarbij de oplossing van het probleem bestaat uit het optimaliseren van de waarden van een reeks getallen . Een populatie van tekenreeksen worden geëvalueerd en gemanipuleerd op een manier voorgesteld door evolutie tot een van de bevolking is een string dat is de oplossing voor een specifiek probleem . De indeling van het algoritme uit het inrichten van de snaren , ontwerpen algoritmen voor het manipuleren van de bevolking en evaluatie van de snaren in elke generatie
2

Begin met een willekeurige populatie . Een groot aantal strings waar alle nummers in alle snaren werden willekeurig gekozen . Evalueer alle snaren en gooi de snaren met de laagste evaluaties. Breng twee evolutionaire technieken om de high-performers : mutatie en crossover . Mutatie bestaat uit het selecteren van een klein aantal plaatsen op een klein aantal strings en ​​het veranderen van het nummer een beetje omhoog of omlaag . Crossover bestaat uit de rij twee snaren , het kiezen van een willekeurige ' kantelpunt ' en het schakelen van de koppen en staarten op het kruispunt . De successen van de laatste generatie plus de nieuw gecreëerde snaren uitmaken van de nieuwe bevolking . Elke generatie heeft hetzelfde aantal strings in de bevolking .
3

Voer dit algoritme voor meerdere generaties en kijk naar de beste string. Als het niet goed genoeg is , moet u een aantal van de parameters te wijzigen en voer het algoritme weer . een van de belangrijkste wijzigingen die u kunt maken is de manier waarop de snaren zijn gemaakt veranderen . stel bijvoorbeeld dat u probeert om het interieur van de verbrandingskamer van een straalmotor te ontwerpen. de snaren kan bestaan ​​uit 20 metingen op de binnenkant van het ontwerp van de motor . Beginnend met verschillende afmetingen is de verandering die het meest waarschijnlijk om u een beter antwoord geven .
4

de belangrijke parameters te tweaken bij het optimaliseren van uw algoritme zijn mutaties , omvang van de bevolking , het aantal waarden aan een touwtje en de posities van de waarden op de snaar - . of ze nu in het midden of aan de uiteinden