Diplomska naloga (.pdf)

Poglavje 3
Reševanje enokriterijskega
problema večplastnih EM
absorberjev z genetskimi algoritmi
Pri reševanju tega problema sta bila za splošno razumevanje genetskih algoritmov
uporabljena vira [Ro02] in [Mi99], pri sami izdelavi algoritmov pa so bili v pomoč
tudi [MSRM93], [HJK95] in [MD03].
3.1 Terminologija genetskega algoritma
Genetski algoritem je močno optimizacijsko orodje, ki posnema princip naravne
evolucije. V zvezi z njim se uporablja za področje biologije značilna terminologija.
Osnovna enota v genetskem algoritmu je osebek. Osebek predstavlja kandidata
za rešitev problema, ki ga rešujemo z genetskim algoritmom. Lastnosti osebka so
zapisane v njegovih kromosomih, katerih osnovne enote so geni. Skupino osebkov, ki
obstajajo hkrati, imenujemo populacija. Običajno omenjamo populacijo staršev in
populacijo potomcev. V vsakem koraku genetskega algoritma iz populacije staršev s
pomočjo genetskih operatorjev določimo populacijo potomcev. Ko želimo poudariti,
za katero populacijo po vrsti gre, govorimo o n-ti generaciji. S pomočjo selekcije
iz populacije staršev izberemo posamezne osebke, t.i. starše, ki predstavljajo podlago
za generiranje nove populacije potomcev. Pomembno je, da selekcija pogosteje
izbira iz populacije boljše osebke, vendar hkrati tudi ne onemogoči izbire slabših
osebkov. Nove osebke (potomce) dobimo z genetskim operatorjem prekrižanja (angl.
crossover). Prekrižanje deluje na dveh osebkih populacije staršev in nam vrne dva
nova osebka (potomca). Kot je značilno za genetske procese v naravi, se tudi tu
z majhno verjetnostjo pojavi mutacija. Mutacija je genetski operator, ki deluje na
enem samem osebku tako, da mu naključno spremeni genetski zapis kromosomov.
Na sliki 3.1 je predstavljena splošna shema genetskega algoritma.