Genetische Algorithmen Daniel Garmann Genetik und Informatik Ein

Genetische Algorithmen Daniel Garmann

Genetik und Informatik? Ein Beispiel • Eine Lebensform (z. B. Mäuse) besteht aus einer Anzahl von Individuen. • Jedes Individuum ist unterschiedlich gut an seine Umgebung angepasst (Fitness). • Mit jeder neuen Generation verändern sich die Individuen und passen sich der Umgebung an.

Was hat das mit Informatik zu tun? • Zu einem informatischen Problem gibt es unterschiedliche Lösungen (Individuen). • Jede Lösung (Individuum) löst das Problem unterschiedlich gut (Fitness). • Mit jeder neuen Generation von Lösungen verändern sich die Einzellösungen und passen sich dem Problem an.

Beispiel Rucksackproblem • Ein Rucksack soll möglichst gut bepackt werden. Jedes Gut hat ein Gewicht und einen Nutzen. Das Maximalgewicht darf nicht überschritten werden.

Mögliche Lösungen (Individuen) Eine Generation, bestehend aus einzelnen Individuen: 18 Nutzen: 30 Gewicht: 12 Nutzen: 35 Gewicht: 25 Nutzen: 0 Gewicht: 18 Nutzen: 40 Gewicht:

Funktionsprinzip eines GA • Eine Anfangs-Generation mit zufälligen Lösungen (Individuen) wird erzeugt. • Aus der alten Generation wird eine neue Generation entwickelt. Dabei: Anpassung an Problem durch – Selektion – Kreuzung – Mutation

Selektion nach dem Roulette-Auswahl-Verfahren • Die Dann Fitnesswerte wird ein neues aller. Individuum Individuen zufällig werden auf einer Scheibe abgetragen. ausgewählt. . . Fitness: 30 40 Fitness: 35

Kreuzung nach der One-Point-Cross-Over-Methode • Zwei Individuen der Generation werden an einer Stelle gekreuzt.

Mutation nach dem Bit-Flip-Verfahren • Ein Individuum wird leicht verändert. Dazu wird ein Bit „gekippt“

Zusammenstellung der neuen Generation • Die alte Generation wird komplett durch die neue Generation ersetzt. • Die n schlechtesten Individuen der alten Generation werden ersetzt • Eine neue Generation wird mit den besten Individuen der alten und neuen Generation gefüllt. Wahl des Verfahren ist von konkreter Anwendung abhängig.