Cómo optimizar el diseño de un algoritmo genético

August 28

Cómo optimizar el diseño de un algoritmo genético


Los algoritmos genéticos son una técnica de inteligencia artificial inspirado en la naturaleza. Evolución "diseña" nuevos animales para encajar en ambientes de una manera estrictamente mecánico que parece exhibir inteligencia. Los algoritmos genéticos son una forma útil para resolver problemas de diseño cuando no tiene forma obvia de proceder. Si usted puede echar un problema como la optimización de los valores de una serie de números, un algoritmo genético puede encontrar esta optimización. Cómo organizar los parámetros del algoritmo genético resulta ser crucial para la optimización de la solución a un problema particular.

Instrucciones

1 Diseñar la disposición de su algoritmo genético. Los algoritmos genéticos funcionan para problemas en los que la solución al problema consiste en la optimización de los valores de una serie de números. Una población de cadenas se evalúan y se manipula de forma sugeridas por la evolución hasta la una de la población es una cadena que es la solución a un problema específico. El diseño del algoritmo consiste en diseñar la disposición de las cuerdas, el diseño de algoritmos para la manipulación de la población y la evaluación de las cadenas en cada generación.

2 Comience con una población al azar: un gran número de cadenas en la que todos los números en todas las cuerdas fueron escogidos al azar. Evaluar todas las cadenas y desechar las cadenas con las evaluaciones más bajas. Aplicar dos técnicas evolutivas a las empresas de alto rendimiento: la mutación y de cruce. La mutación consiste en seleccionar un pequeño número de lugares en un pequeño número de cadenas y cambiando el número un poco hacia arriba o hacia abajo. Crossover consiste en alinear dos secuencias, la selección de un azar "punto de cruce" y cambiar las cabezas y las colas en el punto de cruce. Los éxitos de la última generación, además de las cadenas de nueva creación conforman la nueva población. Cada generación tiene el mismo número de cadenas en la población.

3 Ejecutar este algoritmo para varias generaciones y mirar a la mejor cadena. Si no es lo suficientemente bueno, es necesario cambiar algunos de los parámetros y ejecutar el algoritmo de nuevo. Uno de los cambios más importantes que puede hacer es cambiar la forma en que se hacen las cuerdas. Por ejemplo, supongamos que usted está tratando de diseñar el interior de la cámara de combustión de un motor a reacción. Las cuerdas pueden consistir en 20 mediciones realizadas en el interior del diseño del motor. A partir de diferentes mediciones es el cambio que es más probable que le dará una mejor respuesta.

4 Los parámetros importantes para retocar hora de optimizar su algoritmo son la tasa de mutación, tamaño de la población, el número de valores en una cadena y las posiciones de los valores en la cadena - tanto si están en el centro o en los extremos.

Consejos y advertencias

  • Cuanto mayor sea su población, mejor serán los resultados.
  • Cuanto mayor sea la población, más lento será el programa se ejecutará. Los algoritmos genéticos son notoriamente lentos en marcha - que a menudo se ejecutan durante la noche.