|
|
| Строка 1: |
Строка 1: |
| − | == Свойства и структура алгоритма ==
| + | Это моя страничка |
| − | | |
| − | === Общее описание алгоритма ===
| |
| − | '''Генетический алгоритм''' - широко применяемый метод исследования в самых разных сферах науки: математике, биологии, компьютерном обучении и во многих других. Существует бесконечное множество реализаций данного алгоритма, в зависимости от поставленной задачи. Алгоритм основан на таких природных явлениях, как скрещивание, селекция, мутация и кроссинговер.
| |
| − | Задача формализуется таким образом, чтобы её решение могло быть закодировано в виде вектора («генотипа») генов, где каждый ген может быть битом, числом или неким другим объектом. В классических реализациях генетического алгоритма (ГА) предполагается, что генотип имеет фиксированную длину. Однако существуют вариации ГА, свободные от этого ограничения.
| |
| − | Некоторым, обычно случайным, образом создаётся множество генотипов начальной популяции. Они оцениваются с использованием «функции приспособленности», в результате чего с каждым генотипом ассоциируется определённое значение («приспособленность»), которое определяет насколько хорошо фенотип, им описываемый, решает поставленную задачу.
| |
| − | При выборе «функции приспособленности» (или fitness function в англоязычной литературе) важно следить, чтобы её «рельеф» был «гладким».
| |
| − | Из полученного множества решений («поколения») с учётом значения «приспособленности» выбираются решения (обычно лучшие особи имеют большую вероятность быть выбранными), к которым применяются «генетические операторы» (в большинстве случаев «скрещивание» — crossover и «мутация» — mutation), результатом чего является получение новых решений. Для них также вычисляется значение приспособленности, и затем производится отбор («селекция») лучших решений в следующее поколение.
| |
| − | | |
| − | Этот набор действий повторяется итеративно, так моделируется «эволюционный процесс», продолжающийся несколько жизненных циклов (поколений), пока не будет выполнен критерий остановки алгоритма. Таким критерием может быть:
| |
| − | *нахождение глобального, либо субоптимального решения;
| |
| − | *исчерпание числа поколений, отпущенных на эволюцию;
| |
| − | *исчерпание времени, отпущенного на эволюцию.
| |
| − | | |
| − | Генетические алгоритмы служат, главным образом, для поиска решений в многомерных пространствах поиска.
| |
| − | | |
| − | Таким образом, можно выделить следующие этапы генетического алгоритма:
| |
| − | | |
| − | *Задать целевую функцию (приспособленности) для особей популяции
| |
| − | *Создать начальную популяцию
| |
| − | | |
| − | *(Начало цикла)
| |
| − | | |
| − | **Размножение (скрещивание)
| |
| − | **Мутирование
| |
| − | **Вычислить значение целевой функции для всех особей
| |
| − | **Формирование нового поколения (селекция)
| |
| − | **Если выполняются условия остановки, то (конец цикла), иначе (начало цикла).
| |
