Genetički algoritmi

Genetički algoritmi su heuristički, stohastički metode optimizacije,

Genetički algoritmi rade s mnogim pojedincima, tj. Stanovništvom u kojoj svaki pojedinac može poslužiti kao rješenje za određeni problem. Svaki pojedinac mora biti ocijenjen prema stupnju njegove sposobnosti, ovisno o tome koliko je dobro rješenje problema koji odgovara njemu. Ako ovo uzmemo u obzir u odnosu na prirodu, procjenjuje se stupanj učinkovitosti organizma u konkurentskoj borbi za resursima. Pojedinci, koji su puno prilagođeni, mogu reproducirati potomke križanjem s drugim predstavnicima stanovništva. To je razlog za nastanak novih pojedinaca, u kojima se kombiniraju neke karakteristike, nasljeđene od roditelja.

Manje prilagođene osobe će moći reproducirati potomke s manje vjerojatnosti, tako da svojstva koja posjeduju postupno će nestati tijekom evolucije iz čitave populacije. Ponekad se javljaju spontane promjene u genima ili mutacijama. Ispada da će dobre osobine od generacije do generacije biti raspoređene po cijeloj populaciji. Prekretanje pojedinaca, koji su najviše prilagođeni, dovodi do činjenice da se pretražuju mjesta pretraživanja koja predstavljaju najveću perspektivu. U konačnoj analizi, problem je riješen. Genetski algoritmi imaju prednost da u relativno kratkom vremenu pronađu približna rješenja koja su optimalna. Vrijedno je razmotriti ovo pitanje u vezi programiranja.

Genetički algoritmi sastoje se od sljedećih komponenti:

- Kromosom, koji je rješenje problema koji se razmatra, sastoji se od gena. Ovo stanovništvo kromosomi se smatraju početnim;

- skup operatora (namijenjen generiranju novih rješenja temeljenih na novim populacijama);

- objektivna funkcija (dizajniran za procjenu sposobnosti rješenja).

Za genetičke algoritme, postoji standardni skup operatora: odabir, mutacija i prelazak. Možete razmotriti primjenu genetičkih algoritama razjašnjavanjem svake specifične operater. operater odabir čini izbor kromosoma u skladu s onim što vrijednosti njihovih fitnes funkcija. Postoje najmanje dva najpopularnija operatera: turnir i rulet. Metoda ruleta podrazumijeva odabir pojedinaca putem n pokreće. Za svaki član stanovništva koji se koristi, rulet kotač sadrži jedan sektor potrebne veličine. Vjerojatnije će se odabrati članovi populacije s izrazito višom pokazateljima kondicije za takav odabir od predstavnika s niskom kondicijom. Načinom turnira implementiraju se n turniri, omogućujući vam odabir n pojedinaca. Temelj svakog turnira je uzorak k elemenata iz populacije, s najboljom pojedincu među njima.

Ako nastavite uzeti u obzir algoritme za programiranje, onda je vrijedno spomenuti metodu nazvanu prijelaz. Križni operator razmjenjuje dijelove kromosoma između parova ili kromosoma u jednoj populaciji.

Posljednji operater, mutacije, je stohastička promjena u dijelu kromosoma.

Konkretno razmatranje primjene genetičkih algoritama je više voluminozni materijal nego što se može uklopiti u članak, stoga ga treba razmotriti odvojeno.