03.10.2013 Aufrufe

Heuristiken

Heuristiken

Heuristiken

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Kodierung des<br />

Problems<br />

GOLDBERG/DEB/CLARK [] berechnen die Populationsgröße N in Abhängigkeit<br />

vom Grad der Nichtlinearität k, der Varianz des Problems σ 2 und der Differenz<br />

d der Fitnesswerte zwischen lokalen Optima und globalem Optimum.<br />

N=2 k · σ2<br />

d 2<br />

4.2.2 Nebenpfad: Detaillierte Methodenbeschreibung<br />

Um einen genetischen Algorithmus zur Problemlösung heranziehen zu können<br />

muss zunächst eine Kodierung des Problems durchgeführt werden. Dabei<br />

wird jede Eigenschaft (d.h. jedes Gen) einer Lösung durch eines oder mehrere<br />

Bits repräsentiert. Zum Beispiel steht eine 1 für eine erfüllte und 0 für eine nicht<br />

erfüllte Eigenschaft. Oder die Eigenschaft Farbe wird mit 0 für grün, 1 für blau,<br />

2 für rot usw. kodiert. Die spezielle Ausprägung einer Eigenschaft wird als Allel<br />

bezeichnet. 0 und 1 sind beispielsweise Allele. Die binäre Kodierung besitzt jedoch<br />

den Nachteilen, dass die einzelnen Stellen im binären Code unterschiedlich<br />

bedeutsam sind, da die vorderen Stellen größere Zweierpotenzen kodieren als<br />

die hinteren. Dies kann durch die Anwendung der Gray-Kodierung behoben<br />

werden (vgl. z.B. []).<br />

Die Kodierung des Problems ist wesentlich für die Qualität des genetischen Algorithmus.<br />

Insbesondere muss eine gute Kodierung den gesamten Lösungsraum<br />

abbilden und neue, durch die Anwendung der genetischen Operatoren erzeugte<br />

Individuen müssen ” sinnvolle“ Lösungen bezüglich des zu lösenden Problems<br />

ergeben. Außerdem ist eine Abstimmung von Kodierung und genetischen Operatoren<br />

erforderlich. Idealerweise wird eine 1:1-Kodierung verwendet, d.h. jede<br />

Lösung des Lösungsraumes entspricht genau einem Chromosom. Es ist jedoch<br />

häufig schwierig, solch ein Kodierung zu finden. Deshalb wird in den meisten<br />

Fällen eine 1:m-Kodierung implementiert, d.h. eine Lösung kann durch viele<br />

Chromosomen repräsentiert werden. Dies reduziert jedoch die Effizienz des genetischen<br />

Algorithmus.<br />

Beispiel Um beispielsweise ein Travelling Salesman Problem mit 12 Städten zu kodieren<br />

werden pro Stadt 4 Bits benötigt. Jede Stadt entspricht hierbei genau einer<br />

Bitkombination. Es sind jedoch Bitkombinationen möglich, die nicht mit einer<br />

Stadt belegt sind (z.B. 1111).<br />

16

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!