Genetyczny id 187377 Nieznany

background image

Algorytm Genetyczny

Funkcja: 10*n + Suma[x^n -10*cos(2*pi*x)] od 1 do n

Parametry funkcji:

n = 2

<a; b> = -10; 10

dx = 0.001

Wyliczona liczba bitów: 15*n = 30

Parametry populacji:

p – ilość osobników

h – ilość pokoleń

pk – prawdopodobieństwo krzyżowania

pm – prawdopodobieństwo mutacji

oraz

średnia ocena pokolenia – średnia z wartości funkcji celu dla wszystkich osobników danego
pokolenia

najlepszy osobnik populacji – najlepsza wartość funkcji celu jaka pojawiła się na przestrzeni
pokoleń

background image

Wpływ parametrów startowych populacji na średnią ocenę pokolenia

Prawdopodobieństwo krzyżowania:

Krzyżowanie osobników powoduje uśrednianie oceny populacji

W przedziale od 0 do 100 pokolenia widać że niska szansa na krzyżowanie pozwala osiągnąć
szybszy wzrost oceny populacji.

Przedział od 500 do 1000 pokazuje zaś, że wysoki współczynnik krzyżowania zmniejsza
fluktacje (wahania przypadkowe).

Parametr ten powinien być dobierany do ilości pokoleń.

1

10

100

0

100

200

300

400

500

600

700

800

900

1000

Śr

e

d

n

ia

oc

e

n

a

p

ok

ol

e

n

ia

p = 1000; h = 1000; pm = 0.05

pk = 0.20

pk = 0.50

pk = 0.80

background image

Prawdopodobieństwo mutacji:

Mutacja powoduje wprowadzanie losowych zaburzeń w genach osobników, przez co może
stworzyć nowego osobnika o lepszym przystosowaniu.

Współczynnik ten powinien być dobierany do wielkości populacji i ilości pokoleń. Dla 1000
osobników 2,5% jest wartością silnie wpływającą (3 rzędy wielkości) na średnią ocenę
populacji.

Szansa mutacji równa 1,25% dała najlepsze rezultaty od 0 do 150 pokolenia.

Wyłącznie mutacji powoduje jednostronne fluktacje.

0,0001

0,001

0,01

0,1

1

10

100

0

100

200

300

400

500

600

700

800

900

1000

Śr

e

d

n

ia

oc

e

n

a

p

ok

ol

e

n

ia

p = 1000; h = 1000; pk= 0.50

pm = 0.00

pm = 0.0125

pm = 0.025

pm = 0.05

background image

Przykładowe wyniki algorytmu z włączoną mutacją.

Najlepsze wyniki oceny populacji i wartości funkcji najlepszego osobnika osiągnąłem dla wysokiego
prawdopodobieństwa krzyżowania (80%) i niskiego prawdopodobieństwa mutacji (1%).

0,00001

0,0001

0,001

0,01

0,1

1

10

100

0

100

200

300

400

500

600

700

800

900

1000

p = 1000; h = 1000; pk= 0.80; pm = 0.01

srednia ocena pokolenia

najlepszy osobnik populacji

0,00001

0,0001

0,001

0,01

0,1

1

10

100

0

100

200

300

400

500

600

700

800

900

1000

p = 1000; h = 1000; pk= 0.60; pm = 0.02

srednia ocena pokolenia

najlepszy osobnik populacji

background image

Przykładowe wyniki algorytmu z wyłączoną mutacją.

Wyłącznie mutacji powoduje, że algorytm w 8 na 10 przypadków znajduje ocenę funkcji celu równą
3,700008*10^-5 dla parametrów startowych podanych na początku sprawozdania. Mutacja nie
większa niż 1% poprawia ten wynik, kosztem średniej oceny populacji.

0,00001

0,0001

0,001

0,01

0,1

1

10

100

0

100

200

300

400

500

600

700

800

900

1000

p = 1000; h = 1000; pk= 0.80; pm = 0.00

srednia ocena pokolenia

najlepszy osobnik populacji


Wyszukiwarka

Podobne podstrony:
Genetyka 5 id 187498 Nieznany
Algorytmy genetyczne 2 id 57672 Nieznany (2)
genetyka) id 187384 Nieznany
genetyka0006 id 187629 Nieznany
cw 2 genetyka id 100363 Nieznany
genetyka0001 id 187624 Nieznany
CHOROBY GENETYCZNEp id 115004 Nieznany
genetyka0005 id 187628 Nieznany
genetyka0002 id 187625 Nieznany
Medicus Genetyka 1 id 292099 Nieznany
genetyka 5 id 187411 Nieznany
genetyka0004 id 187627 Nieznany
Poradnictwo genetyczne id 18765 Nieznany
genetyka0003 id 187626 Nieznany
choroby genetyczne id 114957 Nieznany
Notatki na egzamin genetyka id Nieznany

więcej podobnych podstron