Professional Documents
Culture Documents
Genetski Algoritam PDF
Genetski Algoritam PDF
Goran Šimić
Opšte
Genetski algoritam (GA) je tehnika
pretraživanja koja koristi heuristiku za
nalaženje tačnog ili aproksimativnog
rešenja pretrage.
GA je vrsta tzv. evolucioinarnih algoritama
u kojima se koriste tehnike – genetički
operatori kao što su nasleđivanje
selekcija, mutacija i rekombinovanje
Ideja
Umesto da se optimizira jedno rešenje,
radi se sa više (populacijom) rešenja
kandidata (kodiranim kao hromozomima).
Hromozomi se sastoje od gena (nezavisne
varijable) koji su bitni za rešavanje
problema
Ideja
Određuju se parametri kompetentni za
problem i konstruišu se hromozomi
Hromozom je predstavljen sa 2
jedinstvena nezavisna parametra.
Parametri su obično osnovnog tipa
(stringovi, celi ili realni brojevi)
Ideja
Genetički operatori se primenjuju na
izabrane hromozome iz populacije što
rezultira pjavljivanje boljih/pogodnijih
hromozoma
U ovoj aktivnosti koristi se teorema
Holland-ove šeme
Genetički algoritam
Inicijalizacija
Napomena:
GA će biti efikasniji ukoliko
Populacija sadrži različitije
hromozome
Evaluacija
Evaluacija predstavlja merenje kako svaki
hromozom rešava problem
Hromozom se dekodira u varijable
prostora problema
Evaluacija
Vrši se provera rezultata problema sa
datim vrednostima varijabli
Odgovaranje (fitness) se meri na osnovu
ovog merenja
Selekcija
Najvažnija
Hromozomi se selektuju za propagaciju u
sledeću populaciju
C1 je najneaadekvatniji tako da se ne
koristi kao roditelj za ukrštanje
Formiraju se 2 para roditelja: (C0,C3) i
(C2,C3)
Primer - rekombinacija
Pošto postoje 2 gena u hromozomima, vrši
se ukrštanje njihovom zamenom
Formiraju se 2 para roditelja: (C0,C3) i
(C2,C3)
Primer - rekombinacija
Ukrštanjem se postigao znatan napredak:
Dobijen je mnogo pogodniji hromozom (daje
skoro duplo veći maksimum)
Dobijena je veća prilagođenost populacije
(srednja vrednost fitness-a je porasla sa 0.231
na 0.39)
1. generacija
2. generacija