Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
8Activity
0 of .
Results for:
No results containing your search query
P. 1
APD - Note Curs - 14 Algoritmi Genetici Paraleli

APD - Note Curs - 14 Algoritmi Genetici Paraleli

Ratings: (0)|Views: 631 |Likes:
Published by Ssh Das

More info:

Categories:Types, School Work
Published by: Ssh Das on Sep 08, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/12/2013

pdf

text

original

 
15. Algoritmi genetici15.1.
 
Generalit
ăţ
iAlgoritmii genetici
- AG reprezint
ă
o solu
ţ
ie a problemelor de optimizare, bazat
ă
pemecanisme împrumutate din genetic
ă
. Un algoritm genetic men
ţ
ine o popula
ţ
ie deindivizi, fiecare individ reprezentând o solu
ţ
ie poten
ţ
ial
ă
a unei probleme de rezolvat.AG încearc
ă
s
ă
amelioreze popula
ţ
ia
ş
i s
ă
g
ă
seasc
ă
astfel o solu
ţ
ie cât mai apropiat
ă
 de cea optim
ă
, printr-un proces iterativ care implic
ă
realizarea, în fiecare etap
ă
, aurm
ă
toarelor opera
ţ
ii:
 
evaluarea popula
ţ
iei curente
 
selec
ţ
ia celor mai buni indivizi
 
transformarea popula
ţ
iei folosind operatori genetici de încruci
ş
are
ş
i muta
ţ
ie.AG furnizeaz
ă
o metod
ă
de optimizare mai bun
ă
decât solu
ţ
iile clasice cunoscute, ca
hill climbing 
sau
 simulated annealing 
. AG reprezint
ă
instrumente eficace
ş
i eficiente potrivite implement
ă
rii în medii distribuite.Domeniile de aplicare a algoritmiloor genetici sunt foarte diferite:
 
optimizarea parametrilor 
 
control optim
 
transport
 
optimizare combinatorial
ă
 
 
desenare de grafuri
 
înv
ăţ
are inductiv
ă
a regulilor de decizie
 
stabilirea cablajelor 
 
 planificarea
 
 jocuri, modelarea cognitiv
ă
 
 
optimizarea interog
ă
rii bazelor de date.Rezolvarea unei probleme poate fi perceput
ă
ca o
c
ă
utare în spa
ţ
iul solu
ţ
iilor
  poten
ţ
iale. Aflarea celei mai bune solu
ţ
ii transform
ă
rezolvarea într-un proces dec
ă
utare. Pentru un spa
ţ
iu de solu
ţ
ii redus se pot folosi metodele clasice exhaustive.Pentru un spa
ţ
iu de solu
ţ
ii mare, se pot folosi tehnici de inteligen
ţă
artificial
ă
, deexemplu algorimii genetici. Ace
ş
tia sunt algoritmi stochastici ale c
ă
ror metode dec
ă
utare imit
ă
fenomenele naturale: mo
ş
tenirea genetic
ă
, lupta pentru supravie
ţ
uire /selec
ţ
ia natural
ă
.
 
Algoritmii genetici împrumut
ă
vocabularul geneticii: solu
ţ
iile sunt indivizi, mul
ţ
imeasolu
ţ
iilor poten
ţ
iale reprezint
ă
o popula
ţ
ie, în reprezentarea solu
ţ
iilor apar gene(caractere). Un AG are urm
ă
toarele componente:
 
o reprezentare genetic
ă
a solu
ţ
iilor 
 
o cale de generare a primei popula
ţ
ii
 
o func
ţ
ie de evaluare a “calit
ăţ
ii” solu
ţ
iilor 
 
operatori genetici
 
valori pentru parametri - dimensiunea popula
ţ
iei, probabilitatea aplic
ă
riioperatorilor genetici.
15.2.
 
Metode clasice de optimizare
Rezolvarea problemelor de optimizare se poate face folosind mai multe tehnici, dintrecare vom trece pe scurt în revist
ă
doua abordari. Problema pe care o ilustram estecautarea intr-un spatiu de siruri binare de 30 de biti, cu functia obiectivf(v) = | 11*one(v)-150|unde
one(v)
este numarul de unitati din vectorul binar v.Functia f(v) are un maxim global pentru v
g
= (1 1 1 1 …1), pentru care f(v
g
) = 180 siun maxim local pentru v
l
= (0 0 0 …0), pengtru care f(v
l
) = 150.
15.2.1.
 
Algoritmul hill climbing
Procedeul
c
ăţă
r
ă
rii
(hillclimbing) aplic
ă
urm
ă
torul algoritm:
procedure
hillclimber 
 begin
t := 0
do
t < MAX ->local := falseselecteaz
ă
aleator sirul curent Vcevalueaza Vc
do
 
not
local ->gaseste Vn dintre vecinii cu cea mai mare valoare afunctiei obiectiv F
if 
F(Vc) < F(Vn)
->
Vc := Vn
 
 
 
[] F(Vc) >= F(Vn)
->
local := true
 fiod
t := t+1
odend
Algoritmul se bazeaz
ă
pe alegerea
aleatoare
a unui punct de pornire în spa
ţ
iulsolu
ţ
iilor 
ş
i pe încercarea de a îmbun
ă
t
ăţ
i treptat solu
ţ
ia prin “mi
ş
c
ă
ri pozitive” spre punctele vecine solu
ţ
iei curente. C
ă
utarea se opre
ş
te când astfel de mi
ş
c
ă
ri nu maisunt posibile.Algoritmul prelucreaz
ă
la un moment dat un singur punct din spa
ţ
iul st
ă
rilor. Pentru am
ă
ri
ş
ansa de g
ă
sire a unei solu
ţ
ii bune, algoritmul se aplic
ă
repetat, pentru alte puncte de plecare alese aleator. Rezultatul este puternic dependent de
ş
irul ini
ţ
ial.Exist
ă
o probabilitate mic
ă
de a g
ă
si optimul global.Pentru problema specificata la inceputul sectiunii, daca sirul de pornire are un numar de unitati mai mic sau egal cu 13 atunci se gaseste intotdeauna maximul local.
15.2.2.
 
Algoritmul simulated annealing
Acest algoritm a fost inspirat de mecanica statistica si de anumite procedee deimbunatatire a calitatii unor materiale prin incalzirea lor la o temperatura ridicataurmata de racirea lor controlata, pentru a permite o aranjare favorabila la nivelmolecular. El reprezinta un puternic instrument in rezolvarea unor probleme deoptimizare. Principala forta a acestui algoritm este posibilitatea de a sari pesteanumite optime locale nefavorabile, fiind permise nu doar "coborasuri" spre solutii cisi "urcusuri" (controlate de o anumita probabilitate) care departeaza cautarea deoptimul cel mai apropiat. Parametrii importanti ai acestui tip de algoritm sunttemperatura initiala
T
, conditia de echilibru termic si temperatura de racire in care sedesfasoara experimentul. Algoritmul poate utiliza o functie de penalizare a solutiilor intermediare deficitare. Metoda
simulated annealing
utilizeaz
ă
urm
ă
torul algoritm:
procedure
simulated-annealing
 begin
t := 0initializeaza temperatura Tselecteaza aleator sirul curent Vcevalueaza Vc

Activity (8)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
Dan liked this
Dan liked this
Andreea Leanca liked this
trompetika liked this
Arcenciel26 liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->