20.03.2014 Aufrufe

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

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

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

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.

2 Suchverfahren<br />

Wahl <strong>der</strong> Anfangspopulation: Möglichst breit und gut verteilt.<br />

Selektion: Unter Selektion versteht man <strong>die</strong> Auswahl e<strong>in</strong>es Individuums (Chromoson)<br />

aus <strong>der</strong> Population zur Generation n Diese Auswahl kann zum Zwecke <strong>der</strong> Fortpflanzung<br />

o<strong>der</strong> <strong>der</strong> Mutation, des Weiterlebens usw. passieren. Diese Auswahl erfolgt<br />

für e<strong>in</strong> Individuum mit hoher Fitness mit höherer Wahrsche<strong>in</strong>lichkeit, wobei<br />

<strong>die</strong> Wahrsche<strong>in</strong>lichkeit auch vom Zweck <strong>der</strong> Selektion abhängen kann.<br />

Rekomb<strong>in</strong>ation Zwei Chromosomen werden ausgewählt mittels Selektion. Danach wird<br />

<strong>in</strong>nerhalb <strong>der</strong> Chromosomen (zufällig) e<strong>in</strong>e Stelle zum Zerschneiden ermittelt, ab<br />

<strong>die</strong>ser werden <strong>die</strong> Gene ausgetauscht. Es entstehen zwei neue Chromosomensätze.<br />

Alternativ kann man auch mehrere Abschnitte <strong>der</strong> Chromosomen austauschen. Die<br />

folgende Darstellung illustriert <strong>die</strong> Rekomb<strong>in</strong>ation:<br />

Elternteil 1<br />

0 1 1 0 0 1 0 0<br />

Nachkomme<br />

Elternteil 2 0 1 1 0 0 1 1 0<br />

1 1 0 1 1 1 1 0<br />

Zufällig gewählter Schnitt<br />

Mutation. mit e<strong>in</strong>er gewissen Wahrsche<strong>in</strong>lichkeit werden zufällig ausgewählte Bits <strong>in</strong><br />

den Chromosomen verän<strong>der</strong>t. (0 → 1 bzw. 1 → 0)<br />

Aussterben Wenn <strong>die</strong> Populationsgröße überschritten wird, stirbt das schlechteste Individuum.<br />

Alternativ e<strong>in</strong> zufällig gewähltes, wobei das schlechteste mit größerer<br />

Wahrsche<strong>in</strong>lichkeit als des beste ausstirbt.<br />

Ende <strong>der</strong> Evolution Wenn vermutlich das Optimum erreicht ist.<br />

E<strong>in</strong> genetischer / evolutionärer Algorithmus beg<strong>in</strong>nt daher mit e<strong>in</strong>er <strong>in</strong>itialen Population<br />

(1. Generation) und erzeugt durch <strong>die</strong> genetischen Operationen Nachfolgegenerationen.<br />

Er stoppt, wenn e<strong>in</strong> optimales Individuum gefunden wurde, o<strong>der</strong> nach e<strong>in</strong>er Zeitschranke.<br />

Im letzteren Fall wird nicht notwendigerweise e<strong>in</strong> Optimum gefunden, aber<br />

häufig (z.B. bei Verteilungsproblemen) e<strong>in</strong> ausreichend gutes Ergebnis.<br />

E<strong>in</strong> e<strong>in</strong>faches Grundgerüst für e<strong>in</strong>en genetischen Algorithmus ist:<br />

Stand: 19. Oktober 2012 70 M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!