Heuristiken

Individuen
und
Population
4.2 Methodenbeschreibung
Genetische Algorithmen basieren auf einer parallelen, konkurrierenden Suche
nach einer besten Lösung. Sie versuchen aus einer Vielzahl von Lösungen die
global optimale herauszufinden. Die einzelnen Lösungen werden Individuen
genannt und bilden zusammen eine Population.
Es gibt verschiedene Ansätze zur Wahl der besten Populationsgröße. Ein
Individuum besitz mehrere Gene. Diese kodieren die Eigenschaften der Lösung
bzw. die Variablen des Lösungsvektors.
Um zu einer detaillierten Beschreibung der Kodierung genetischer Algorithmen
zu gelangen klicken sie bitte hier. Jede Lösung wird hinsichtlich ihrer
Lösungsgüte durch einen externen Lösungsalgorithmus ausgewertet und ihr wird
ein Fitnesswert zugeordnet.
Genetische
Operationen Ablaufschema eines genetischen Algorithmus
Die besten Individuen einer Population werden mittels eines Selektionsoperators
ausgewählt und aus ihnen wird mit den evolutionären Operatoren Rekombination
(Kreuzung) und Mutation eine neue Population erzeugt.
Durch diese Operatoren entstehen aus einer Population neue Individuen, die
eventuell bessere Problemlösungen sind. Wird dieser Prozess mehrfach wiederholt,
so verbessern sich die Fitnesswerte der Individuen. Ist ein Abbruchkriterium
erreicht, so endet der Iterationsprozess an einer ” besten“ Lösung. Um mehr
über genetischen Operationen zu erfahren folgen sie bitte diesem Link.
Die Wahl der Evolutionsparameter (z.B. Populationsgröße, Mutationswahrscheinlichkeit)
hängt von der Problemstellung und den möglichen genetischen
Operatoren ab.
Wahl der Populationsgröße
4.2.1 Nebenpfad: Populationsgröße
Von verschiedenen Autoren wurde versucht, Orientierungshilfen für die Wahl
der Populationsgröße N zu geben. Sie wird von GOLDBERG [] in Abhängigkeit
von der Länge eines Chromosoms l berechnet zu:
N=1,65·2 0,21·l
15