Genetische Algorithmen - BFH-TI Staff

Weitere Magazine

Empfehlungen

Info

Genetische Algorithmen 22. Mai 2013 DNS oder andere Effekte können aus Versehen ein oder mehre Gene im Chromosom ändern. Nichts desto trotz sind Mutationen selten und meistens haben sie einen zerstörerischen Einfluss auf die Individuen. Vorher Zerstörung Nachher Mutation Abbildung 4: Eine Entstellung (bspw. durch Kosmische Strahlung, chemische Substanzen, Fehler in der Verknüpfung der DNS) ändern den Inhalt einen Chromosms. Mathias Fuhrer 6
Genetische Algorithmen 22. Mai 2013 Simpler Genetischer Algorithmus Für den Einsatz von Genetischen Algorithmen müssen in der Regel folgende Voraussetzungen erfüllt werden: Eine Population die aus mehreren Individuen beseht Die Existenz so genannter genetischer Operatoren Eine Fitnessfunktion, die für jedes Individuum einen Funktionswert – die Fitness – festlegt Nach mehreren Änderungen ergibt sich eine neue Population Ausgehend von diesen Voraussetzungen beginnt dann ein Genetischer Algorithmus mit einer Anfangspopulation unterschiedlicher Individuen. Diese Individuen können in unterschiedlicher Codierung (siehe Genetische Darstellung) vorliegen. Durch die entsprechenden genetischen Operatoren werden diese Individuen so verändert, dass eine neue Population entsteht. Dabei werden in die neue Population überwiegend die Individuen mit der besten Fitness übernommen, so dass die potentiellen Lösungskandidaten von Generation zu Generation besser werden. Auf diese Weise nähert sich der Genetisch Algorithmus Schritt für Schritt der Lösung des Optimierungsproblems. Die Grundstruktur der meisten Genetischen Algorithmen ist in ihrem Aufbau sehr ähnlich und kann in folgender Weise charakterisiert werden: 1. Generieren einer zufälligen Population von n Chromosomen (passende Lösungen für das Problem) 2. Evaluieren der Fitness f(x) jedes Chromosoms x aus der Population. 3. Erstellen einer neuen Population mit dem Wiederholen der folgenden Schritte bis die Population komplett ist: a. Selektieren von zwei Eltern-Chromosoms aus der Population gemäss deren Fitness (je besser die Fitness umso grösser die Chance ausgewählt zu werden) b. Mit einer gegebenen Kreuzungs-Wahrscheinlichkeit die Eltern kreuzen zum Formen eines neuen Kindes. Wenn keine Kreuzung vorgenommen wird, entspricht das Kind genau einer Kopie des Elternteils. c. Mit einer gegebenen Mutations-Wahrscheinlichkeit mutieren des Kindes an einer zufälligen Stelle im Chromosom. d. Wiedereinfügen des Kindes in der Population. 4. Benutzen der neuen generierten Population für einen weiteren Lauf des Algorithmus ab dem zweiten Schritt. Auf der nächsten Seite ist der Gentische Algorithmus noch abgekürzt als Pseudocode in Englisch angegeben. Mathias Fuhrer 7
Seite 1 und 2: BTI7311P INFORMATIK SEMINAR Genetis
Seite 3 und 4: Genetische Algorithmen 22. Mai 2013
Seite 5: Genetische Algorithmen 22. Mai 2013

Genetische Algorithmen - BFH-TI Staff

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?