Genetische Algorithmen - BFH-TI Staff
Genetische Algorithmen - BFH-TI Staff
Genetische Algorithmen - BFH-TI Staff
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Genetische</strong> <strong>Algorithmen</strong> 22. Mai 2013<br />
Simpler <strong>Genetische</strong>r Algorithmus<br />
Für den Einsatz von <strong>Genetische</strong>n <strong>Algorithmen</strong> müssen in der Regel folgende Voraussetzungen erfüllt<br />
werden:<br />
<br />
<br />
<br />
<br />
Eine Population die aus mehreren Individuen beseht<br />
Die Existenz so genannter genetischer Operatoren<br />
Eine Fitnessfunktion, die für jedes Individuum einen Funktionswert – die Fitness – festlegt<br />
Nach mehreren Änderungen ergibt sich eine neue Population<br />
Ausgehend von diesen Voraussetzungen beginnt dann ein <strong>Genetische</strong>r Algorithmus mit einer<br />
Anfangspopulation unterschiedlicher Individuen. Diese Individuen können in unterschiedlicher<br />
Codierung (siehe<br />
<strong>Genetische</strong> Darstellung) vorliegen. Durch die entsprechenden genetischen Operatoren werden diese<br />
Individuen so verändert, dass eine neue Population entsteht. Dabei werden in die neue Population<br />
überwiegend die Individuen mit der besten Fitness übernommen, so dass die potentiellen<br />
Lösungskandidaten von Generation zu Generation besser werden. Auf diese Weise nähert sich der<br />
Genetisch Algorithmus Schritt für Schritt der Lösung des Optimierungsproblems.<br />
Die Grundstruktur der meisten <strong>Genetische</strong>n <strong>Algorithmen</strong> ist in ihrem Aufbau sehr ähnlich und kann in<br />
folgender Weise charakterisiert werden:<br />
1. Generieren einer zufälligen Population von n Chromosomen (passende Lösungen für das<br />
Problem)<br />
2. Evaluieren der Fitness f(x) jedes Chromosoms x aus der Population.<br />
3. Erstellen einer neuen Population mit dem Wiederholen der folgenden Schritte bis die<br />
Population komplett ist:<br />
a. Selektieren von zwei Eltern-Chromosoms aus der Population gemäss deren Fitness (je<br />
besser die Fitness umso grösser die Chance ausgewählt zu werden)<br />
b. Mit einer gegebenen Kreuzungs-Wahrscheinlichkeit die Eltern kreuzen zum Formen<br />
eines neuen Kindes. Wenn keine Kreuzung vorgenommen wird, entspricht das Kind<br />
genau einer Kopie des Elternteils.<br />
c. Mit einer gegebenen Mutations-Wahrscheinlichkeit mutieren des Kindes an einer<br />
zufälligen Stelle im Chromosom.<br />
d. Wiedereinfügen des Kindes in der Population.<br />
4. Benutzen der neuen generierten Population für einen weiteren Lauf des Algorithmus ab dem<br />
zweiten Schritt.<br />
Auf der nächsten Seite ist der Gentische Algorithmus noch abgekürzt als Pseudocode in Englisch<br />
angegeben.<br />
Mathias Fuhrer 7