ALGORYTMY GENETYCZNE KLAUDIA MAASIEWICZ NATALIA WLAZO ALGORYTMY GENETYCZNE

ALGORYTMY GENETYCZNE KLAUDIA MAŁASIEWICZ & NATALIA WLAZŁO

" ALGORYTMY GENETYCZNE A ALGORYTMY TRADYCYJNE • Algorytm – skończony ciąg jasno zdefiniowanych czynności koniecznych do wykonania pewnego rodzaju zadań, sposób postępowania prowadzący do rozwiązania problemu • Zadaniem algorytmu jest przeprowadzenie systemu z pewnego stanu początkowego do pożądanego stanu końcowego. Badaniem algorytmów zajmuje się algorytmika. Algorytm może zostać zaimplementowany w postaci programu komputerowego.

• Algorytm genetyczny • „Jak można się [. . ] zorientować, nie są to algorytmy standardowe – prowadzące do rozwiązania krok po kroku, na podstawie zadanej z góry sekwencji instrukcji. Działają one wręcz przeciwnie: sterują generowaniem całych populacji potencjalnych rozwiązań, to znaczy ich doborem w pary, krzyżowaniem się, mutowaniem i nade wszystko promującą coraz lepsze rozwiązania procedurą selekcji. Ze względu na ten ostatni składnik programy ewolucyjne, przeciwstawia się często tradycyjnym mówiąc, że działają one nie na zasadzie instrukcji, lecz na zasadzie selekcji. „

• Jest to cała grupa algorytmów służąca do poszukiwania najlepszych rozwiązań danego problemu. Zasada ich działania opiera się na obserwacji praw natury i przeniesieniu ich na grunt matematyki i informatyki. U podstaw algorytmów genetycznych znajduje się dobór naturalny oraz dziedziczność. Najlepiej przystosowane jednostki (niosące rozwiązania zbliżone do właściwego) są powielane oraz krzyżowane ze sobą w celu powielenia informacji. Bardzo wiele rzeczywistych problemów można rozwiązać w ten sposób.

• Sposób działania algorytmów genetycznych nieprzypadkowo przypomina zjawisko ewolucji biologicznej, ponieważ ich twórca John Henry Holland właśnie z biologii czerpał inspiracje do swoich prac. Obecnie zalicza się go do grupy algorytmów ewolucyjnych.

• Problem definiuje środowisko, w którym istnieje pewna populacja osobników. Każdy z osobników ma przypisany pewien zbiór informacji stanowiących jego genotyp, a będących podstawą do utworzenia fenotypu. Fenotyp to zbiór cech podlegających ocenie funkcji przystosowania modelującej środowisko. Innymi słowy - genotyp opisuje proponowane rozwiązanie problemu, a funkcja przystosowania ocenia, jak dobre jest to rozwiązanie. • Genotyp składa się z chromosomów, gdzie zakodowany jest fenotyp i ewentualnie pewne informacje pomocnicze dla algorytmu genetycznego. Chromosom składa się z genów.

• Wspólnymi cechami algorytmów ewolucyjnych, odróżniającymi je od innych, tradycyjnych metod optymalizacji, są: 1. stosowanie operatorów genetycznych, które dostosowane są do postaci rozwiązań, 2. przetwarzanie populacji rozwiązań, prowadzące do równoległego przeszukiwania przestrzeni rozwiązań z różnych punktów, 3. w celu ukierunkowania procesu przeszukiwania wystarczającą informacją jest jakość aktualnych rozwiązań, 4. celowe wprowadzenie elementów losowych.

• Najczęściej działanie algorytmu przebiega następująco: 1. Losowana jest pewna populacja początkowa. 2. Populacja poddawana jest ocenie (selekcja). Najlepiej przystosowane osobniki biorą udział w procesie reprodukcji. 3. Genotypy wybranych osobników poddawane są operatorom ewolucyjnym: 1. 2. 4. są ze sobą kojarzone poprzez złączanie genotypów rodziców (krzyżowanie), przeprowadzana jest mutacja, czyli wprowadzenie drobnych losowych zmian. Rodzi się drugie (kolejne) pokolenie. Aby utrzymać stałą liczbę osobników w populacji te najlepsze (według funkcji oceniającej fenotyp) są powielane, a najsłabsze usuwane. Jeżeli nie znaleziono dostatecznie dobrego rozwiązania, algorytm powraca do kroku drugiego. W przeciwnym wypadku wybieramy najlepszego osobnika z populacji - jego genotyp to uzyskany wynik.

• Notacja binarna- najczęściej wykorzystywana i najlepiej opisana teoretycznie metoda kodowania chromosomów. Przyczyna jej popularności tkwi w istnieniu teorii, która uzasadnia zbieżność algorytmów opierających na ciągach zerojedynkowych, pozwala oszacować jej szybkość oraz wskazuje na możliwe przeszkody w poprawnym działaniu algorytmów. Mimo braku teorii opisującej inne metody kodowania w wielu zastosowaniach wygodniej jest operować na całych fragmentach chromosomów, które mogą być reprezentowane przez liczby rzeczywiste.

DZIAŁANIE ALGORYTMU GENETYCZNEGO OBEJMUJE KILKA ZAGADNIEŃ POTRZEBNYCH DO USTALENIA: I. ustalenie genomu jako reprezentanta wyniku II. ustalenie funkcji przystosowania/dopasowania III. ustalenie operatorów przeszukiwania

• Operacja selekcji opiera się zazwyczaj na tzw. regule ruletki. W pojedynczym kroku algorytmu poszczególnym chromosomom są przypisywane prawdopodobieństwa selekcji równe wynikom dzielenia ocen poszczególnych chromosomów przez sumę ocen wszystkich chromosomów, Prawdopodobieństwa te można sobie wyobrazić jako mniejsze lub większe wycinki koła ruletki o polu równym jedności. Koło jest puszczane w ruch tyle razy, ile chromosomów liczy populacja. Za każdym razem, kiedy wskaźnik ruletki zatrzyma się na danym wycinku do nowej populacji jest dołączany osobnik odpowiadający temu wycinkowi. Losowy charakter całej procedury powoduje, że niektóre osobniki mogą zostać wybrane kilkukrotnie, a inne w ogóle.

DZIĘKUJEMY ZA UWAGĘ