Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Sekvencijalna GA implementacija 55<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
peta), i neka se u prvom paru vrši ukrštanje, a u drugom ne. Pretpostavimo da<br />
je za prvi par maska 11001, tada je:<br />
prvi par jedinki ( prva i treća)<br />
maska<br />
1 1 0 0 1<br />
pre ukrštanja ------> posle ukrštanja<br />
0 1 0 1 1 0 1 1 0 1<br />
1 0 1 0 0 1 0 0 1 0<br />
Posle ukrštanja populacija će izgledati: 01101, 10001, 10010, 10100, 10100 .<br />
U [Spe91] se mogu naći još neke dodatne informacije oko uniformnog<br />
ukrštanja.<br />
2.4.3 Mutacija<br />
U ovoj impelementaciji je primenjen jedinstven koncept operatora mutacije,<br />
samo je on realizovan na različite načine. U zavisnosti od oblasti primene, neke<br />
realizacije su efikasniji od drugih u određenim slučajevima. Realizovani su<br />
sledeći operatori mutacije: prosta mutacija, mutacija pomoću binomne<br />
raspodele i mutacija korišćenjem normalne raspodele. Kao i u slučaju operatora<br />
ukrštanja, ostavljena je mogućnost primene i operatora mutacije zavisnih od<br />
prirode samog problema.<br />
2.4.3.1 Prosta mutacija<br />
Ova realizacija doslovno prati definiciju operatora mutacije, gde se genetski<br />
kod procesira bit po bit, i za svaki bit se određuje da li je došlo do mutacije ili ne.<br />
Pri realizaciji se može proces nešto ubrzati, ako se za svaku reč u genetskom<br />
kodu formira maska, pa se mutacija vrši preko nje. Međutim, i pri takvom<br />
pristupu generisanje maske zahteva procesiranje bit po bit.<br />
Primer 2.10. Neka je dat nivo mutacije p mut = 0.2 i jedinka 010111000101. Ako<br />
je slučajnim izborom generisana maska 001000000100, tada je:<br />
maska<br />
0 0 1 0 0 0 0 0 0 1 0 0<br />
jedinka pre mutacije<br />
0 1 0 1 1 1 0 0 0 1 0 1<br />
jedinka posle mutacije<br />
0 1 1 1 1 1 0 0 0 0 0 1<br />
Pošto je nivo mutacije uglavnom mali, i obično se kreće u opsegu [0.001,<br />
0.01], broj mutiranih gena (bitova), u genetskom kodu jedinke, je obično mali,<br />
pa nije svrsishodno procesiranje celokupnog genetskog koda. Zbog toga su<br />
realizovane neke od ostalih metoda koje teže da procesiraju samo reči koje<br />
imaju mutirane gene, što je u većini slučajeva mnogo efikasnije.<br />
Ovakav način ipak ima i svojih prednosti, jer su ostali pristupi realizaciji<br />
operatora mutacije zasnovani na određenim aproksimativnim svojstvima teorije<br />
verovatnoće, koja važe samo u slučaju velikog broja bitova. Zbog toga je ovaj<br />
pristup koristan i može se primenjivati u slučajevima kada su instance<br />
rešavanog problema male dimenzije, tako da je genetski kod jedinke kratak.