Введение в генетические алгоритмы
TRANSCRIPT
![Page 1: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/1.jpg)
http://it-claim.ru http://blogs.it-claim.ru http://facebook.com/IT.CLAIM
![Page 2: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/2.jpg)
Филиппович Андрей Юрьевич
http://it-claim.ru/ai
![Page 3: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/3.jpg)
Модуль GA. «Основы генетических алгоритмов» http://it-claim.ru/Education/Course/AI/Lections/Lections_ga.htm
![Page 4: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/4.jpg)
Дарвинский механизм эволюции [«Происхождение видов», 1859 г. ] 1. Наследственная изменчивость - особи порождают себе
подобных со случайными вариациями 2. Борьба за существование - организмы дают больше
потомков, чем может дожить до размножения 3. Естественный отбор ◦ Выживают наиболее приспособленные ◦ У них больше шансов дать лучшее потомство
4. Изоляция - действует на микроэволюционном уровне и приводит к видообразованию
![Page 5: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/5.jpg)
Молекула ДНК упакована в отдельную хромосому Человеческий геном состоит из 23 пар хромосом, находящихся в ядре
клетке (+ митохондриальная ДНК) Ген представляет собой участок ДНК, и определяет наследственные
признаки организмов, передающиеся от родителей потомству при размножении
• Видео 1 • Видео 2
![Page 6: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/6.jpg)
Мутация — стойкое преобразование генотипа, происходящее под влиянием внешней или внутренней среды. ◦ Спонтанная ◦ Индуцированная
Кроссинговер - взаимный обмен участками между гомологичными (попарными) хромосомами ◦ Одноточечный ◦ Многоточечный
• Видео 1 - Мейоз
![Page 7: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/7.jpg)
Основные понятия: Особь (хромосома) – один вариант решения
задачи, закодированный с помощью последовательности битов
Популяция – множество хромосом => множество возможных решений
Качество особи (решения) – определяется с помощью целевой функции (фитнесс-функции) на основе генотипа (совокупности генов) особи
ГА ввел Джон Холланд в1975 г. в своей книге «Adaptation in Natural and Artificial Systems» («Адаптация
в естественных и искусственных системах» )
![Page 8: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/8.jpg)
Селекция – ранжирование и отбор лучших хромосом (решений) в популяции
Размножение (скрещивание) – производство потомства, которое наследует от родителей их гены
Редукция – исключение худших хромосом (решений) из популяции и формирование нового поколения
![Page 9: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/9.jpg)
ГА = последовательность генетических операторов Оператор инициализации – генерация начальной
популяции (1-ого поколения) хромосом Оператор селекции (отбора) – ранжирование
хромосом в популяции для участия в процессе скрещивания
Оператор кроссовера – скрещивание лучших (отобранных) хромосом для формирования новых особей
Оператор мутации - случайное или направленное изменение отдельных хромосом (их генов)
Оператор редукции – отбор и удаление хромосом.
Критерии останова для ГА Достигнуто приемлемое качество хромосомы или
целого поколения Сформировано заданное количество поколений Качество хромосом перестало изменяться
![Page 10: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/10.jpg)
Задание Разработать ГА, осуществляющий
поиск максимального числа в множестве X= {0 .. 31}
Основные Требования Использовать вероятностный
оператор отбора Размер популяции должен быть
постоянен и равен 4 В каждом поколении должен
срабатывать оператор мутации
Дополнительные требования Показать сходимость алгоритма
на примере 2-х поколений
![Page 11: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/11.jpg)
Задание Разработать программу поиска
кратчайшего пути для информационного пакета (сообщения) в компьютерной сети с помощью ГА
Основные Требования http://it-claim.ru/Education/Course/AI/labs/labs2012_GA1.htm
Дополнительные требования Показать аналитически сходимость
алгоритма на примере 2-3 поколений Формализовать с помощью ГА другие
оптимизационные задачи в компьютерной сети.
![Page 12: Введение в генетические алгоритмы](https://reader033.vdocuments.site/reader033/viewer/2022052412/558865e0d8b42a590e8b4689/html5/thumbnails/12.jpg)
Высокая производительность – работают с битовой строкой, возможно распараллеливание
Заложены механизмы преодоления локальных экстремумов ◦ работают с несколькими точками пространства решений
одновременно ◦ Используется механизм мутации
Используются вероятностные и детерминированные способы порождения новых точек в пространстве решений
Возможно эффективное использование при изменении исходных данных во время решения
Возможность применения в задачах, где не работают классические оптимизационные методы