Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

Παρουσίαση με θέμα: "Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α."— Μεταγράφημα παρουσίασης:

1 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΙΙ (ΓΕΝΕΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ - ΕΞΕΛΙΚΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ) Κεφάλαιo 9 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

2 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Περιγραφή της Λειτουργίας ενός Απλού Γενετικού Αλγόριθμου: Εφαρμογή σε ένα Πρόβλημα Βελτιστοποίησης Σε αυτό το κεφάλαιο θα αναλύσουμε τις ενέργειες ενός Γ.Α. για ένα απλό πρόβλημα βελτιστοποίησης. Έστω ότι το πρόβλημα βελτιστοποίησης που θέλουμε να επιλύσουμε είναι ένα πρόβλημα μεγιστοποίησης. Στην περίπτωση που αντιμετωπίζουμε ένα πρόβλημα ελαχιστοποίησης μιας συνάρτησης f, το πρόβλημα αυτό ισοδυναμεί με τη μεγιστοποίηση της g, όπου g=-f. Επιπλέον, θα υποθέσουμε ότι η αντικειμενική συνάρτηση f παίρνει μόνο θετικές τιμές, διαφορετικά μπορούμε να εισάγουμε μια θετική σταθερά C, έτσι ώστε: Max g(x) = max {f(x)+C} Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

3 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Παράδειγμα Έστω, λοιπόν, ότι θέλουμε να μεγιστοποιήσουμε μια συνάρτηση k μεταβλητών, Κάθε μεταβλητή xi παίρνει τιμές από το διάστημα Di=[ai, bi]R και f(x1, x2, …,xk)>0, ¥ xiDi, i=1, …,k. Επιθυμούμε να βελτιστοποιήσουμε την f με κάποια απαιτούμενη ακρίβεια, π.χ. ακρίβεια q δεκαδικών ψηφίων για κάθε μεταβλητή. Ακρίβεια αναπαράστασης Για να επιτευχθεί τέτοια ακρίβεια, θα πρέπει κάθε διάστημα τιμών Di=[ai, bi] να διαχωριστεί σε (bi-ai).10q ίσα υποδιαστήματα. Έστω mi ο μικρότερος ακέραιος για τον οποίο ισχύει ότι: (bi-ai).10q ≤ 2mi-1. Τότε, η αναπαράσταση των μεταβλητών σαν δυαδικές συμβολοσειρές μήκους mi ικανοποιεί την απαίτηση για q ακρίβεια δεκαδικών ψηφίων. Η ακόλουθος τύπος μετατρέπει κάθε τέτοια δυαδική συμβολοσειρά στον αντίστοιχο πραγματικό αριθμό: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

4 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
όπου η decimal(bin_str) επιστρέφει την αντίστοιχη δεκαδική τιμή για το δυαδικό αριθμό που περιέχει η bin_str. Κατ' αυτόν τον τρόπο, κάθε χρωμόσωμα αναπαρίσταται από μια δυαδική συμβολοσειρά μήκους: Τα πρώτα m1 δυαδικά ψηφία κωδικοποιούν τη μεταβλητή x1, δηλαδή το διάστημα [a1, b1], τα επόμενα m2 κωδικοποιούν τη x2 στο διάστημα [a1, b2], κ.ο.κ. . , Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

5 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Δομές Δεδομένων Οι Γενετικοί Αλγόριθμοι επεξεργάζονται πληθυσμούς από δυαδικές συμβολοσειρές. Έτσι, δεν αποτελεί έκπληξη το ότι η βασική δομή δεδομένων για ένα απλό Γενετικό Αλγόριθμο είναι ένας πληθυσμός από συμβολοσειρές. Για ένα απλό Γενετικό Αλγόριθμο θα επιλέξουμε τον απλούστερο. Θα κατασκευάσουμε τον πληθυσμό, σαν ένα πίνακα από άτομα, όπου κάθε άτομο περιέχει το φαινότυπο (την αποκωδικοποιημένη παράμετρο ή παραμέτρους), το γονότυπο (τα τεχνητά χρωμοσώματα ή συμβολοσειρές) και την τιμή της καταλληλότητας (αντικειμενικής συνάρτησης), μαζί με οποιαδήποτε άλλη βοηθητική πληροφορία. Μια σχηματική αναπαράσταση ενός πληθυσμού φαίνεται στον πίνακα 9.1. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

6 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Α/α Άτομα Ατόμου Συμβολοσειρά 1 x1 Συμβολοσειρά 2 x2 ··· F(x1,x2,…,xl) Άλλα στοιχεία 1 01111 15 00111 7 225 2 01001 9 00010 101 3 123 n 00101 5 81 Πίνακας 9.1 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

7 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Με τη βοήθεια αυτού του πίνακα, θα είναι εύκολο να κάνουμε τις δηλώσεις τύπων για τα δεδομένα, σε κάποια δομημένη γλώσσα προγραμματισμού. Για παράδειγμα, σε γλώσσα C, πρέπει να κάνουμε τις παρακάτω δηλώσεις: Πρώτα θα δηλώσουμε ορισμένες σταθερές, στο τμήμα δηλώσεων σταθερών, όπως το μέγιστο μέγεθος του πληθυσμού pop_size και το μέγιστο μήκος της συμβολοσειράς m. Αυτές οι σταθερές ορίζουν τα πάνω όρια στο μέγεθος του πληθυσμού και το μήκος της συμβολοσειράς. Στη συνέχεια θα δηλώσουμε τον τύπο (type) του πληθυσμού και τις συνιστώσες του στο τμήμα δηλώσεων τύπων (type declaration). Για παράδειγμα ο τύπος population, είναι ένα array που ορίζεται από τον τύπο individual (με δείκτη από 1 έως m). Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

8 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Ο τύπος individual είναι ένα record που καθορίζεται από τη μεταβλητή chrom, που είναι τύπου chromosome, μια πραγματική μεταβλητή που ονομάζεται fittness και μια πραγματική μεταβλητή x. Αυτές οι μεταβλητές αναπαριστούν το τεχνητό χρωμόσωμα, την τιμή της αντικειμενικής συνάρτησης και την αποκωδικοποιημένη τιμή της μεταβλητής x, αντίστοιχα. Εμβαθύνοντας περισσότερο, βλέπουμε ότι ο τύπος chromosome είναι και ο ίδιος ένα array τύπου allele (με δείκτη από 1 μέχρι m), ο οποίος σε αυτή την περίπτωση είναι ένα άλλο όνομα για τον τύπο boolean (ένα απλό bit που παίρνει τιμές true ή false). Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

9 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Αρχικοποίηση Για την αρχικοποίηση του πληθυσμού, αρκεί η τυχαία επιλογή δυαδικών ψηφίων. Τα υπόλοιπα βήματα του αλγορίθμου έχουν ως εξής: Σε κάθε γενιά, αξιολογούμε κάθε χρωμόσωμα (χρησιμοποιώντας τη συνάρτηση ) σαν αντικειμενική συνάρτηση. Στη συνέχεια, επιλέγουμε ένα νέο πληθυσμό με χρήση της πιθανοτικής κατανομής που βασίζεται στις καλύτερες τιμές της αντικειμενικής συνάρτησης (απόδοση). Η διαδικασία καταλήγει μετατρέποντας τα χρωμοσώματα με τους τελεστές διασταύρωσης και μετάλλαξης. Μετά την ολοκλήρωση του προηγούμενου βήματος, έχει δημιουργηθεί η επόμενη γενιά, και ο αλγόριθμος προχωράει στο επόμενο βήμα. Μετά από κάποιον αριθμό γενιών και αφού καμιά βελτίωση δεν παρατηρείται πλέον, η όλη διαδικασία του Γ.Α. τερματίζεται. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

10 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Το καλύτερο χρωμόσωμα αντιστοιχεί σε μια βέλτιστη λύση (πιθανώς καθολικά βέλτιστη). Για την αρχικοποίηση του πληθυσμού, αρκεί η τυχαία επιλογή pop_sizem δυαδικών ψηφίων. Γενετικοί Τελεστές Για τη διαδικασία επιλογής ενός νέου πληθυσμού χρησιμοποιείται μια ρουλέτα με σχισμές (slotted roulette wheel). Η επιλογή γίνεται με βάση την απόδοση κάθε χρωμοσώματος, δηλαδή όσο καλύτερο είναι κάποιο χρωμόσωμα τόση μεγαλύτερη πιθανότητα έχει ώστε να επιλεγεί. Τα χρωμοσώματα τοποθετούνται στη ρουλέτα σε σχέση πάντα με την απόδοσή τους (χρωμοσώματα με μεγάλη απόδοση κατέχουν μεγαλύτερο ποσοστό της ρουλέτας). Μια τέτοια ρουλέτα για πληθυσμό τεσσάρων ατόμων φαίνεται στο σχήμα 9.2. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

11 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Σχήμα 9.2: Η κατανομή τεσσάρων ατόμων στη ρουλέτα σύμφωνα με την απόδοσή τους Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

12 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Η κατασκευή μιας τέτοιας ρουλέτας γίνεται ως εξής: Υπολογίζουμε την απόδοση eval(vi) για κάθε χρωμόσωμα vi, i=1, …, pop_size. Υπολογίζουμε τη συνολική απόδοση του πληθυσμού: Υπολογίζουμε την πιθανότητα επιλογής Pi για κάθε χρωμόσωμα vi, i=1, …, pop_size: pi = eval(vi)/F. Τέλος, υπολογίζουμε τη συσσωρευμένη (cumulative) πιθανότητα qi για κάθε χρωμόσωμα vi, i=1, …, pop_size : . . Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

13 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Για την επιλογή των χρωμοσωμάτων που θα αποτελέσουν το νέο πληθυσμό εκτελούμε pop_size περιστροφές της ρουλέτας. Πιο συγκεκριμένα, ακολουθούμε τα εξής βήματα: Επιλέγουμε τυχαία έναν αριθμό r μεταξύ 0 και 1. Αν r<q1, τότε επιλέγουμε το πρώτο χρωμόσωμα v1, διαφορετικά επιλέγουμε το vi (2≤i≤pop_size), έτσι ώστε qi-1<r<qi. Η μορφή του καινούριου πληθυσμού των τεσσάρων ατόμων που αναφέραμε προηγουμένως μετά από την επιλογή της ρουλέτας θα είναι η εξής: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

14 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Σχήμα 9.3: Η κατανομή των τεσσάρων ατόμων μετά την επιλογή της ρουλέτας Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

15 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Προφανώς, είναι δυνατόν κάποια χρωμοσώματα να επιλεχθούν περισσότερες από μία φορές με αυτά που είχαν την καλύτερη απόδοση στην προηγούμενη γενιά να έχουν τις περισσότερες πιθανότητες γι’ αυτό. Στη συνέχεια, εφαρμόζεται ο τελεστής διασταύρωσης ενός σημείου στο νέο πληθυσμό. Μία από τις παραμέτρους ενός Γ.Α. είναι η πιθανότητα διασταύρωσης . Η διαδικασία έχει ως εξής: Επιλέγουμε τυχαία έναν αριθμό r μεταξύ 0 και 1. Αν r<Pc, επιλέγουμε το χρωμόσωμα για διασταύρωση. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

16 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Μετά την επιλογή ατόμων για διασταύρωση (ο αναμενόμενος αριθμός αυτών των ατόμων είναι Pc.pop_size), σχηματίζουμε ζευγάρια από χρωμοσώματα και για κάθε ζευγάρι επιλέγεται τυχαία ένας ακέραιος pos από το διάστημα [1, m-1], όπου m το μήκος σε δυαδικά ψηφία ενός χρωμοσώματος. Ο αριθμός pos προσδιορίζει το σημείο διασταύρωσης. Δυο άτομα: (b1b2…bposbpos+1...bm)και (c1c2…cposcpos+1…cm) αντικαθίστανται από το ζευγάρι απογόνων: (b1b2…bposcpos+1…cm)και (c1c2…cposbpos+1...bm). Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

17 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Ο επόμενος τελεστής, η μετάλλαξη, αντιμετωπίζει τον πληθυσμό των ατόμων σαν ένα μεγάλο συρμό από δυαδικά ψηφία. Κάθε δυαδικό ψηφίο έχει την ίδια πιθανότητα να αντιστραφεί. Η πιθανότητα αυτή είναι μια άλλη παράμετρος του Γ.Α., η πιθανότητα μετάλλαξης Pm. Ο αναμενόμενος αριθμός των αντιστραμμένων ψηφίων μετά τη διαδικασία της μετάλλαξης είναι Pm.m.pop_size. Η διαδικασία έχει ως εξής: Για κάθε χρωμόσωμα και κάθε δυαδικό ψηφίο μέσα στο χρωμόσωμα: Επιλέγουμε τυχαία έναν αριθμό r μεταξύ 0 και 1. Αν r<Pm, τότε αντιστρέφουμε το δυαδικό ψηφίο. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

18 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Επαναλαμβάνουμε τη διαδικασία για κάθε ψηφίο του συρμού (m.pop_size φορές). Αφού ολοκληρωθούν τα παραπάνω βήματα, ακολουθεί μια νέα αξιολόγηση του πληθυσμού. Αυτή η αξιολόγηση χτίζει την πιθανοτική κατανομή, η οποία με τη σειρά της αποτελεί τη βάση για την κατασκευή της ρουλέτας. Η υπόλοιπη εξελικτική διαδικασία αποτελεί απλή κυκλική επανάληψη των παραπάνω βημάτων. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

19 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Εφαρμογή Ας θεωρήσουμε ένα παράδειγμα. Εξομοιώνουμε τον παραπάνω Γ.Α. για τη βελτιστοποίηση μιας συνάρτησης. Έστω pop_size=20, Pc=0.25 και Pm=0.01. Ας υποθέσουμε ότι θέλουμε να μεγιστοποιήσουμε την ακόλουθη συνάρτηση: , . Ας υποθέσουμε ακόμη ότι η απαιτούμενη ακρίβεια είναι τεσσάρων δεκαδικών ψηφίων για κάθε μεταβλητή. Το εύρος τιμών της μεταβλητής x1 έχει μήκος 15.1, άρα το διάστημα [-3.0, 12.1] θα πρέπει να διαχωριστεί σε 15.1x10000 ίσα υποδιαστήματα. Αυτό σημαίνει ότι απαιτούνται 18 δυαδικά ψηφία για τη δυαδική αναπαράσταση της x1 (και τα οποία θα αποτελούν το πρώτο τμήμα του χρωμοσώματος), αφού: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

20 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Η ίδια διαδικασία για τη x2 προσδιορίζει το 15 σαν τον απαιτούμενο αριθμό δυαδικών ψηφίων για την αναπαράσταση των δεκαδικών τιμών της. Επομένως, το συνολικό μήκος του χρωμοσώματος είναι δυαδικά ψηφία. Έστω το άτομο: . . Τα πρώτα 18 δυαδικά ψηφία ( ) αναπαριστούν τον αριθμό: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

21 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
και τα επόμενα 15 δυαδικά ψηφία ( ) τον αριθμό x2= Δηλαδή, το άτομο αυτό αντιστοιχεί στο ζεύγος: . Η απόδοση για αυτό το χρωμόσωμα είναι: f( , ) = Ας υποθέσουμε ότι μετά τη διαδικασία της αρχικοποίησης προκύπτει ο ακόλουθος πληθυσμός: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

22 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

23 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Αρχικά αποκωδικοποιούμε κάθε χρωμόσωμα και υπολογίζουμε την απόδοσή του. Έτσι έχουμε: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

24 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
eval(v1) = f( , ) eval(v2) f( , ) eval(v3) f( , ) eval(v4) f( , ) eval(v5) f( , ) eval(v6) f( , ) eval(v7) f( , ) eval(v8) f( , ) eval(v9) f( , ) eval(v10) f( , ) Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

25 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
eval(v11) = f( , ) eval(v12) f( , ) eval(v13) f( , ) eval(v14) f( , ) eval(v15) f( , ) eval(v16) f( , ) eval(v17) f( , ) eval(v18) f( , ) eval(v19) f( , ) eval(v20) f( , ) Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

26 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Είναι εμφανές ότι το άτομο v15 είναι αυτό με την καλύτερη απόδοση και το άτομο v2 με τη χειρότερη απόδοση στον αρχικό πληθυσμό. Στην συνέχεια κατασκευάζουμε μια ρουλέτα (roulette wheel). Η συνολική απόδοση (fitness) του πληθυσμού είναι: Η πιθανότητα επιλογής pi κάθε μέλους το πληθυσμού vi , i=1,…,20, είναι: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

27 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
p1 = eval(v1)/F = p11 = eval(v11)/F = p2 = eval(v2)/F = p12 = eval(v12)/F = p3 = eval(v3)/F = p13 = eval(v13)/F = p4 = eval(v4)/F = p14 = eval(v14)/F = p5 = eval(v5)/F = p15 = eval(v15)/F = p6 = eval(v6)/F = p16 = eval(v16)/F = p7 = eval(v7)/F = p17 = eval(v17)/F = p8 = eval(v8)/F = p18 = eval(v18)/F = p9 = eval(v9)/F = p19 = eval(v19)/F = p10 = eval(v10)/F = p20 = eval(v20)/F = Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

28 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Οι συσσωρευμένες πιθανότητες (cumulative probabilities) qi για κάθε άτομο vi ,i=1,…,20 του πληθυσμού είναι: q1 = q6 = q11 = q16 = q2 = q7 = q12 = q17 = q3 = q8 = q13 = q18 = q4 = q9 = q14 = q19 = q5 = q10 = q15 = q20 = Τώρα είμαστε έτοιμοι να περιστρέψουμε τη ρουλέτα 20 φορές; σε κάθε περιστροφή επιλέγουμε και ένα άτομο για το νέο πληθυσμό. Υποθέτουμε ότι έχουμε παράγει την εξής ακολουθία 20 τυχαίων αριθμών στο διάστημα [0, 1]: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

29 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Ο πρώτος αριθμός r = είναι μεγαλύτερος του q10 και μικρότερος του q11, γεγονός που σημαίνει ότι το άτομο v11 επιλέγεται για να «περάσει» στο νέο πληθυσμό. Ο δεύτερος αριθμός r = είναι μεγαλύτερος του q3 και μικρότερος του q4, οπότε το άτομο v4 επιλέγεται για το νέο πληθυσμό. Συνεχίζοντας με τον ίδιο τρόπο κατασκευάζουμε το νέο πληθυσμό: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

30 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
v1* = ( ) (v11) v2* ( ) (v4) v3* ( ) (v7) v4* v5* ( ) (v19) v6* v7* ( ) (v15) v8* ( ) (v5) v9* v10* ( ) (v3) Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

31 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
v11* = ( ) (v15) v12* ( ) (v9) v13* ( ) (v6) v14* ( ) (v8) v15* ( ) (v20) v16* ( ) (v1) v17* ( ) (v10) v18* ( ) (v13) v19* v20* ( ) (v16) Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

32 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Στην τελευταία στήλη, μέσα σε παρένθεση, φαίνονται τα άτομα του αρχικού πληθυσμού που έχουν περάσει (αντιγραφεί) στην επόμενη γενιά. Παρατηρούμε ότι ορισμένα άτομα έχουν αντιγραφεί περισσότερες από μία φορές, κάποια άλλα μόνο μία και μερικά δεν υπάρχουν καθόλου, ανάλογα με την απόδοσή τους. Ο παραπάνω πληθυσμός αποτελεί τη δεξαμενή ζευγαρώματος, στην οποία θα εφαρμοστεί η διασταύρωση. Για κάθε άτομο στον πληθυσμό επιλέγουμε ένα τυχαίο αριθμό r από 0 ως 1. Εάν r<0.25, επιλέγουμε το τρέχoν άτομο για διασταύρωση. Ας υποθέσουμε ότι η ακολουθία των τυχαίων αριθμών είναι: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

33 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Αυτό σημαίνει ότι τα άτομα ν2, ν11, ν13 και ν18 επιλέχθηκαν για διασταύρωση (ο αριθμός των ατόμων είναι ζυγός, οπότε το ταίριασμά τους είναι εύκολο - στην περίπτωση που ο αριθμός του ήταν μονός, θα έπρεπε είτε να επιλέξουμε ένα ακόμα άτομο από τον πληθυσμό, ή να απορρίψουμε κάποιο από αυτά). Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

34 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Στη συνέχεια, ταιριάζουμε με τυχαίο τρόπο άτομα για ζευγάρωμα. Ας υποθέσουμε ότι ζευγαρώνουν τα πρώτα δύο ( ν2 και ν11 ) και τα επόμενα δύο (ν13 και ν18). Έστω ότι για το πρώτο ζευγάρι επιλέχθηκε, σαν σημείο διασταύρωσης η θέση pos=9: . . Τότε, αυτά θα αντικατασταθούν από τα άτομα-απογόνους: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

35 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Έστω ότι για το δεύτερο ζευγάρι επιλέχθηκε, σαν σημείο διασταύρωσης η θέση pos=20 : Τότε, αυτά θα αντικατασταθούν από τα άτομα-απογόνους: . Οπότε, η τρέχουσα μορφή του πληθυσμού έχει ως εξής: Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

36 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

37 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

38 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Για τον επόμενο τελεστή, την μετάλλαξη, είναι Pm=0.01, άρα αναμένουμε ότι το 1% περίπου όλων των δυαδικών ψηφίων του πληθυσμού θα αντιστραφούν. Ο πληθυσμός μας αποτελείται από m x pop_size=33 x 20=660 δυαδικά ψηφία, άρα αναμένουμε περίπου 6.6 μεταλλάξεις ανά γενιά. Για κάθε δυαδικό ψηφίο, πρέπει να παράγουμε ένα τυχαίο αριθμό r από το διάστημα [0,1]. Εάν r<0.01, αντιστρέφουμε το δυαδικό ψηφίο. Έτσι, πρέπει να παράγουμε 660 τυχαίους αριθμούς. Στον ακόλουθο πίνακα, φαίνονται -για μία τέτοια εκτέλεση- οι θέσεις στον πληθυσμό των δυαδικών ψηφίων που επιλέχθηκαν για μετάλλαξη, ο αριθμός του ατόμου που αντιστοιχούν, καθώς και η θέση τους στα αντίστοιχα άτομα. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

39 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Δηλαδή, πέντε(5) άτομα του πληθυσμού θα υποστούν μετάλλαξη, δηλαδή τα άτομα 4, 11, 13, 13 και 19. Ακολουθεί ο τελικός πληθυσμός για την τρέχουσα γενιά. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

40 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

41 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

42 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Είναι ενδιαφέρον να δούμε τις αποδόσεις των ατόμων στο νέο πληθυσμό. Αυτό φαίνεται παρακάτω. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

43 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.

44 Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.
Παρατηρείται ότι η συνολική απόδοση του νέου πληθυσμού F είναι , πολύ μεγαλύτερη από τη συνολική απόδοση του προηγούμενου πληθυσμού που ήταν Επίσης, το χρωμόσωμα με την καλύτερη απόδοση στον καινούριο πληθυσμό, το ν11, έχει μεγαλύτερη απόδοση από το χρωμόσωμα με την καλύτερη απόδοση του προηγούμενου πληθυσμού, το ν15, έναντι Τα παραπάνω βήματα του αλγορίθμου επαναλαμβάνονται κυκλικά, μέχρις ότου ικανοποιηθεί το κριτήριο τερματισμού. Συνήθως, το κριτήριο τερματισμού ενός Γ.Α. είναι: είτε ένας συγκεκριμένος αριθμός γενιών, είτε ένα συγκεκριμένο ποσοστό βελτίωσης του καλύτερου ατόμου ή του συνολικού πληθυσμού σε σχέση με κάποιον αριθμό προηγούμενων γενιών. Κεφάλαιο 9: Περιγραφή της Λειτουργίας ενός Απλού Γ.Α.