Les algorithmes génétiques sont une technique d'intelligence artificielle inspirée par la nature. Evolution "conçoit" nouveaux animaux pour entrer dans des environnements de manière strictement mécanique qui semble présenter l'intelligence. Les algorithmes génétiques sont un moyen utile pour résoudre les problèmes de conception lorsque vous avez aucun moyen évident de procéder. Si vous pouvez lancer un problème que l'optimisation des valeurs dans une chaîne de nombres, un algorithme génétique peut trouver cette optimisation. Comment organisez-vous les paramètres de l'algorithme génétique se révèle être crucial pour l'optimisation de la solution à un problème particulier.
Instructions
1 Concevoir la mise en page de votre algorithme génétique. Les algorithmes génétiques travaillent pour des problèmes où la solution au problème consiste à optimiser les valeurs d'une chaîne de nombres. Une population de chaînes sont évaluées et manipulé de manière suggérée par l'évolution jusqu'à ce qu'un de la population est une chaîne qui est la solution à un problème spécifique. La mise en page de l'algorithme consiste à concevoir la disposition des chaînes, la conception d'algorithmes pour manipuler la population et évaluer les chaînes dans chaque génération.
2 Commencez avec une population aléatoire: un grand nombre de chaînes où tous les numéros dans toutes les chaînes ont été choisis au hasard. Évaluer toutes les cordes et jeter les cordes avec les évaluations les plus bas. Appliquer deux techniques d'évolution vers les plus performants: mutation et de croisement. Mutation consiste à sélectionner un petit nombre de places sur un petit nombre de chaînes et de modifier le nombre un peu vers le haut ou vers le bas. Crossover se compose d'aligner deux chaînes, le choix d'un "point de croisement aléatoire» et commuter les têtes et les queues au point de croisement. Les succès de la dernière génération ainsi que les chaînes nouvellement créées constituent la nouvelle population. Chaque génération a le même nombre de cordes dans la population.
3 Exécutez cet algorithme pour plusieurs générations et de regarder la meilleure chaîne. S'il est pas assez bon, vous devez modifier certains paramètres et exécutez à nouveau l'algorithme. L'un des changements les plus importants que vous pouvez faire est de changer la façon dont les cordes sont faites. Par exemple, supposons que vous essayez de concevoir l'intérieur de la chambre de combustion d'un moteur à réaction. Les cordes peuvent être constituées de 20 mesures effectuées à l'intérieur de la conception du moteur. A partir de différentes mesures est le changement qui est le plus susceptible de vous donner une meilleure réponse.
4 Les paramètres importants à tordre lors de l'optimisation de votre algorithme sont taux de mutation, la taille de la population, le nombre de valeurs sur une chaîne de caractères et les positions des valeurs sur la chaîne - si elles sont au milieu ou sur les extrémités.
Conseils et avertissements
- Plus vos populations, plus vos résultats seront.
- Plus vos populations, plus le programme sera exécuté. Les algorithmes génétiques sont en cours d'exécution notoirement lent - ils sont souvent effectués dans la nuit.