Hvordan optimalisere oppsettet av en genetisk algoritme

Genetiske algoritmer er en kunstig intelligens teknikk inspirert av naturen . Evolution " design " nye dyr å passe inn i miljøer i en strengt mekanisk måte som synes å vise intelligens . Genetiske algoritmer er en nyttig måte å løse design problemer når du ikke har noen åpenbare måten å fortsette . Hvis du kan kaste et problem som optimalisering av verdiene i en rekke av tall , kan en genetisk algoritme finner denne optimalisering. Hvordan organisere parametrene til den genetiske algoritme viser seg å være avgjørende for å optimalisere oppløsningen til et spesielt problem . Instruksjoner
en

Design oppsettet av din genetiske algoritmen . Genetiske algoritmer virker på problemer , der løsningen på problemet består i å optimalisere verdien av en tallrekke . En befolkning på strenger er evaluert og manipuleres på måter foreslått av utviklingen før en av befolkningen er en streng som er løsningen på et spesifikt problem . Utformingen av algoritmen består av utforme oppsettet av strengene , designe algoritmer for å manipulere befolkningen og evaluere i trådene i hver generasjon
to

Start med en tilfeldig populasjon : . Et stort antall strenger der alle tallene i alle strengene ble valgt tilfeldig . Evaluere alle strengene og kast strengene med de laveste evalueringer. Påfør to evolusjonære teknikker til de høye utøvere : mutasjon og crossover . Mutasjon består av å velge et lite antall steder på et lite antall strenger , og å endre antall litt opp eller ned . Crossover består av å stille opp to strenger , plukke en tilfeldig " crossover punkt ' og bytte hoder og haler på crossover punktet . Suksesser fra siste generasjon pluss de nyopprettede strenger utgjør den nye befolkningen . Hver generasjon har samme antall strenger i befolkningen.
3

Kjør denne algoritmen i flere generasjoner, og ser på det beste strengen . Hvis det ikke er god nok , må du endre noen av parameterne og kjøre algoritmen igjen . et av de mest vesentlige endringer du kan gjøre er å endre måten strengene er gjort . for eksempel anta at du prøver å designe interiøret i forbrenningskammeret av en jetmotor . strengene kan bestå av 20 målinger gjort på innsiden av utformingen av motoren . fra og med ulike målinger er den endringen som er mest sannsynlig å gi deg et bedre svar .
4

de viktigste parametrene for å finpusse når optimalisere algoritmen er mutasjonsraten , bestandsstørrelse , antall verdier på en snor og posisjonene til verdiene på strengen - . om de er i midten eller på endene