Einführung in die Methoden der Künstlichen Intelligenz - Goethe ...

2.5 Evolutionäre (Genetische) Algorithmen
2.5 Evolutionäre (Genetische) Algorithmen
Das Ziel bzw. die Aufgabe von evolutionären Algorithmen ist eine Optimierung von Objekten
mit komplexer Beschreibung, wobei es variable Parameter gibt. Dabei werden die
Objekte (Zustände) als Bitstrings kodiert, so dass die Aufgabe die Optimierung einer reellwertigen
Bewertungsfunktion auf Bitfolgen fester Länge ist. Dabei wird stets eine Multimenge
solcher Objekte betrachtet, d.h. es wird eine parallele Suche durchgeführt.
Genetische bzw. evolutionäre Algorithmen orientieren sich dabei an der Evolution von
Lebewesen, daher werden entsprechende andere Sprechweisen benutzt, die wir gleich
einführen:
Die Eingaben eines evolutionären Algorithmus sind:
• Eine Anfangspopulation, d.h. eine (Multi-)Menge von Individuen (Zuständen, Objekten),
die üblicherweise als Bitstring dargestellt sind. Ein Bit oder eine Teilfolge von
Bits entspricht dabei einem Gen.
• Eine Bewertungsfunktion, welche Fitnessfunktion genannt wird.
Gesucht (als Ausgabe) ist ein optimaler Zustand
Die Anzahl der möglichen Zustände ist im Allgemeinen astronomisch, so dass eine
Durchmusterung aller Zustände aussichtslos ist. Da die Evolution Lebewesen „optimiert“,
versucht man die Methoden der Evolution und zwar Mutation, Crossover (Rekombination)
und Selektion analog auf diese Optimierungen zu übertragen, und mittels
Simulationsläufen ein Optimum zu finden.
Die Idee ist daher
• Zustände (Individuen) werden als Bitfolgen (Chromosomen) kodiert.
• Die Bewertung entspricht der Fitness der Bitfolge (dieses Chromosomensatzes bzw.
Individuums),
• Höhere Fitness bedeutet mehr Nachkommen
• Man beobachtet die Entwicklung einer Menge von Bitfolgen (Population). D.h. aus
einer aktuellen Population wird die nächste Generation erzeugt.
• Nachkommen werden durch zufällige Prozesse unter Verwendung von Operationen
analog zu Mutation und Crossover erzeugt
2.5.1 Genetische Operatoren
Um von einer Population der Generation n zur Population n + 1 zu kommen, werden
verschiedene Operatoren verwendet, die auf der Basis der Population zu n die Population
n+1 ausrechnen. Wir beschreiben diese Operationen allgemein. Für spezifische Probleme
können diese Operationen angepasst (oder auch verboten) sein.
M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13 69 Stand: 19. Oktober 2012