Genetski algoritmi

Genetski algoritmi so hevristični, stohastični metode optimizacije, ki jih je Nizozemska prvič predlagala leta 1975. Temelji na ideji evolucije z naravna selekcija, ki ga je predlagal Darwin.

Genetski algoritmi delajo s številnimi posamezniki, to je populacijo, kjer lahko vsak posameznik služi kot rešitev za določen problem. Vsak posameznik je treba oceniti glede na stopnjo njegove telesne pripravljenosti, odvisno od tega, kako dobro je rešitev problema, ki ustreza njej. Če to upoštevamo glede na naravo, potem oceni stopnjo učinkovitosti organizma v konkurenčnem boju za vire. Posamezniki, ki so veliko bolj prilagojeni, lahko reproducirajo potomce s prečkanjem z drugimi predstavniki prebivalstva. To je razlog za nastanek novih posameznikov, v katerih so nekatere lastnosti, podedovane od staršev, združene.

Manj prilagojeni posamezniki bodo sposobni reproducirati potomce z manj verjetnostjo, tako da bodo lastnosti, ki jih imajo, postopoma izginile v času evolucije od celotne populacije. Včasih pride do spontanih sprememb v genih ali mutacijah. Izkazalo se je, da bodo dobre značilnosti od generacije do generacije razdeljene po celotni populaciji. Prehod posameznikov, ki so najbolj prilagojeni, vodi k dejstvu, da so iskalna mesta, ki predstavljajo največjo možnost, raziskana. V končni analizi je problem rešen. Genetski algoritmi imajo prednost, da v relativno kratkem času poiščejo optimalne optimalne rešitve. To vprašanje je treba obravnavati v zvezi s programiranjem.

Genetski algoritmi sestavljajo naslednje komponente:

- Kromosom, ki je rešitev obravnavane težave, je sestavljen iz genov. Ta populacija kromosomi se štejejo kot začetni;

- niz operaterjev (namenjenih ustvarjanju novih rešitev na podlagi novih populacij);

- objektivna funkcija (zasnovan za oceno primernosti rešitev).

Za genetske algoritme obstaja standardni niz operatorjev: selekcija, mutacija in križanje. Z uporabo genetskih algoritmov lahko razmislite tako, da pojasnite, kaj je vsak posebej operaterja. Operater izbira omogoča izbiro kromosomov glede na to, kakšne so vrednosti njihove telesne pripravljenosti. Obstajajo vsaj dva najbolj priljubljena operaterja: turnir in ruleta. Metoda ruleta predpostavlja izbiro posameznikov prek n-izstrelitev. Kolo ruleta za vsakega uporabljenega prebivalstva vsebuje en sektor zahtevane velikosti. Člani populacije z izrazito višjim kazalnikom fitness za takšen izbor bodo bolj verjetno izbrali kot predstavniki z nizko stopnjo pripravljenosti. Z turnirsko metodo se izvajajo n turnirji, ki vam omogočajo, da izberete n posameznike. Osnova vsakega turnirja je vzorec k elementov iz populacije, med katerimi je najboljši posameznik.

Če še naprej razmišljate o programskih algoritmih, je treba omeniti metodo, ki se imenuje prečkanje. Operater križanja izmenjuje kromosomske dele med parom ali kromosomi v eni populaciji.

Zadnji operator, mutacije, je stohastična sprememba dela kromosomov.

Konkretna obravnava uporabe genetskih algoritmov je bolj obsežna snov, kot se lahko prilega članu, zato jo je treba obravnavati ločeno.