Πτυχιακή εργασία: «Ανάπτυξη αλγορίθμου Γενετικού Προγραμματισμού (Genetic Programming) με δυνατότητα διαχείρισης δενδροειδών δομών και εφαρμογή του στην αυτόματη σχεδίαση αναλογικών κυκλωμάτων» Επιβλέπων Καθηγητής: Δρ. Σπυρίδων Καζαρλής Σπουδαστής: Χατζηαθανασίου Επαμεινώνδας

ΣΥΝΤΟΜΗ ΠΕΡΙΓΡΑΦΗ Ο σκοπός είναι η ανάπτυξη ενός παραδείγματος Γενετικού Προγραμματισμού, με δυνατότητα να εξελίσσει με γενετικό τρόπο δενδροειδείς δομές αναπαράστασης διατάξεων αναλογικών κυκλωμάτων. Αξιολόγηση δενδροειδών δομών με την υλοποίηση αλγορίθμων ανάλυσης κυκλωμάτων και ανάλογα με το επιθυμητό αποτέλεσμα θα εξάγεται η ποιότητα της λύσης. Εφαρμογή τελεστών ανασυνδυασμού, μετάλλαξης δένδρου, επιλογής γονέων, μεταβλητού πληθυσμού, κριτήριο τερματισμού. Εύρεση κυκλωμάτων συγκεκριμένης συμπεριφοράς.

ΕΞΕΛΙΚΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ Eπαναληπτικές, προοδευτικές διαδικασίες. Προσομοιώνει τη βιολογική εξέλιξη των ειδών στην φύση, όπως η θεωρία του Δαρβίνου. Αυτόματη αναζήτηση και εύρεση βέλτιστων λύσεων σε δύσκολα προβλήματα μέσω της αυτο-εξέλιξης. Εάν ένα πρόβλημα έχει λύση, αν φτιάξουμε άπειρες λύσεις η λύση θα βρεθεί. Εξελικτικές στρατηγικές Εξελικτικός προγραμματισμός Γενετικός προγραμματισμός Γενετικοί αλγόριθμοι

ΤΟ ΓΕΝΙΚΟ ΠΛΑΝΟ

ΓΕΝΕΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Σκοπός είναι η εξέλιξη προγραμμάτων για την επίλυση αλγοριθμικών προβλημάτων. Τα προγράμματα υλοποιούνται ως δενδροειδείς δομές, όπου οι κόμβοι είναι εντολές προγραμματισμού και οι ακμές καθορίζουν την αλληλουχία. Εξελίσσει πληθυσμούς προγραμμάτων (δομών), με μεθόδους επιλογής γονέων, ανασυνδυασμό και μετάλλαξη. Κάθε πρόγραμμα αξιολογείται με την εκτέλεσή του και την αξιολόγηση των αποτελεσμάτων του. Μπορεί να χρησιμοποιηθεί και σε άλλα προβλήματα που οι λύσεις μπορούν να αναπαρασταθούν ως δενδροειδείς δομες.

ΓΕΝΕΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ 2 Παραγωγή αρχικού πληθυσμού. (Μέθοδος GROW, FULL , RAMPED HALF AND HALF ) Εκτέλεση του κάθε ατόμου και υπολογισμός της καταλληλότητάς του (Συνάρτηση ποιότητας) Δημιουργία νέου πληθυσμού (Επιλογή γονέων, Παραγωγή επόμενης γενιάς)

ΕΦΑΡΜΟΓΗ Δενδροειδείς δομές για την υλοποίηση των κυκλωμάτων. 3 πίνακες: τρέχουσα, επόμενη γενιά και καλύτερα άτομα κάθε γενιάς. Επιβίωση του καλύτερου. Επιλογή με διαβάθμιση. Τροχός της ρουλέτας. Ανασυνδυασμός, μετάλλαξη. Διάφορες συναρτήσεις.

ΚΩΔΙΚΟΠΟΙΗΣΗ ΣΕ ΔΕΝΔΡΟ

ΚΩΔΙΚΟΠΟΙΗΣΗ ΣΕ ΔΕΝΔΡΟ 2 ΑΠΟΘΗΚΕΥΣΗ ΣΕ ΠΙΝΑΚΑ

ΠΑΡΑΓΩΓΗ ΑΡΧΙΚΟΥ ΠΛΗΘΥΣΜΟΥ Επίσκεψη κόμβου Εάν κόμβος = ΝULL :Εισαγωγή τιμών Αλλιώς: Τυχαίος αριθμός P = (0-10) Εάν P < 5 Επίσκεψη αριστερού υποδένδρου Εάν P > 5 Επίσκεψη δεξιού υποδένδρου Εάν επαναλήψεις < (Ορισμός του χρήστη) Επανάληψη αλγορίθμου.

ΥΠΟΛΟΓΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Υπολογισμός ολικής αντίστασης κυκλώματος Υπολογισμός έντασης ρεύματος Υπολογισμός πτώσεων τάσης Υπολογισμός Καταλληλότητας

ΑΝΑΔΡΟΜΙΚΗ ΣΥΝΑΡΤΗΣΗ SumRes

ΥΠΟΛΟΓΙΣΜΟΣ ΤΑΣΕΩΝ ΚΑΙ ΡΕΥΜΑΤΩΝ

ΥΠΟΛΟΓΙΣΜΟΣ ΤΗΣ ΚΑΤΑΛΛΗΛΟΤΗΤΑΣ Πρέπει να είναι μεγαλύτερος (ή μικρότερος), για κυκλώματα που είναι πιο κοντά στη ζητούμενη έξοδο Πρέπει να είναι μεγαλύτερος (ή μικρότερος), για κυκλώματα τα οποία είναι λιγότερο περίπλοκα Πρέπει να έχει μέγιστη (ή ελάχιστη) τιμή, για τον καθορισμό της τέλειας λύσης. Πρέπει να έχει πάντα θετική τιμη.

ΕΠΙΛΟΓΗ ΜΕ ΔΙΑΒΑΘΜΙΣΗ Τα άτομα τοποθετούνται σε φθίνουσα σειρά με βάση την τιμή ποιότητάς. Το κάθε άτομο παίρνει μία θέση στη σειρά (Διαβάθμιση)

ΕΠΙΛΟΓΗ ΓΟΝΕΩΝ

ΑΝΑΣΥΝΔΥΑΣΜΟΣ Τυχαία επιλογή κόμβου Γονέα 1 Τυχαία επιλογή κόμβου Γονέα 2 Δημιουργία νέου γονιδιώματος Αντικατάσταση γονιδιώματος στους γονείς Αποθήκευση των απογόνων στην επόμενη γενιά

ΜΕΤΑΛΛΑΞΗ Τυχαία επιλογή ενός κόμβου P=(0….100) Αλλιώς, Τυχαία πρόσθεση φύλλου

ΣΧΕΔΙΑΣΜΟΣ ΚΥΚΛΩΜΑΤΟΣ Προδιατεταγμένη μέθοδος Έλεγχος τοπολογίας κόμβου Σχεδιασμός κόμβου Επίσκεψη ρίζας Επίσκεψη αριστερού υποδένδρου Επίσκεψη δεξιού υποδένδρου Αποτέλεσμα : D, B, A, C, E, F

Ένας κόμβος έχει δύο υποδένδρα Ένας κόμβος έχει μόνο αριστερό υποδένδρο Ένας κόμβος έχει μόνο δεξιό υποδένδρο (εκτός της ρίζας)

S=0 και Σs=0 : Οριζόντια. (5,10)

ΣΥΓΚΡΙΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Vin=20V, A=0.7, B=0.3, Vwanted=5V.   Πληθυσμός Γενιές Πιθ.Μετάλ. Μέγ. Κυκ. Τάση Εξ. Τιμή Ποιότ. 1η εκτέλεση 10 1% 5 4,9887752 1,507857323 2η εκτέλεση 50 5,002538 1,501777053 3η εκτέλεση 100 4 4,996685 1,202320457 4η εκτέλεση 3 4,9948282 0,903620243 5η εκτέλεση 4,9954972 0,903151929 6η εκτέλεση 10% 4,9998235 1,200123549

ΣΥΜΠΕΡΑΣΜΑΤΑ-ΠΡΟΤΑΣΕΙΣ ΓΙΑ ΕΠΕΚΤΑΣΗ Ο γενετικός προγραμματισμός είναι ένα νέο, δυνατό εργαλείο. Χρησιμοποιείται ένα μικρό ποσοστό των δυνατοτήτων του. Σε συνδυασμό με την επεξεργαστική ισχύ, στο μέλλον θα οδηγήσει σε τεχνικές και τεχνολογίες που είναι αδύνατο να προβλέψουμε. Επέκταση των ηλεκτρονικών στοιχείων. Επέκταση στη συρρίκνωση κυκλωμάτων.