Documente Academic
Documente Profesional
Documente Cultură
27 Determinarea Distanţei Minime Între Două PDF
27 Determinarea Distanţei Minime Între Două PDF
1. Introducere
Algoritmii genetici fac parte din categoria algoritmilor de calcul
evoluionist i sunt inspirai de teoria lui Darwin asupra evoluiei. Ideea
de calcul evoluionist a fost introdus n 1960 de I. Rechemberg n
lucrarea intitulat Evolution Strategies.
Algoritmii genetici au fost inventai i dezvoltai de ctre John
Holland, relevant fiind cartea sa Adaptation in Natural and Artificial
Systems publicat n 1975. Obiectivele urmrite de Holland sunt
mbuntirea nelegerii procesului de adaptare natural i proiectarea
sistemelor artificiale care au proprieti similare cu sistemele naturale.
n 1992 John Koza folosete algoritmi genetici pentru a dezvolta
programe care rezolv anumite sarcini. El i numete metoda
programare genetic.
181
183
Cromozomul
A
1001100101011101011010011
(codificare binar)
Cromozomul A 1.234 5.3243 0.4456 2.3293 2.4545
(codificare sub form de valori)
Cromozomul A 1 5 3 2 6 4 7 9 8 (codificare sub form de
permutare)
Funcia de evaluare numit i funcia de fitness este funcia
care ne permite s dm o ncredere la fiecare cromozom din populaie.
Aceast funcie este de obicei funcia care reprezint descrierea
problemei.
5.2. ncruciarea (crossover)
ncruciarea este o parte important a algoritmilor genetici. n
momentul n care s-a luat o hotrre asupra modului n care se
realizeaz codificarea, se poate trece la partea de ncruciare. n
procesul de ncruciare se selecteaz gene ale cromozomilor printe i
se creeaz urmai. Cel mai simplu mod de a realiza asta este s se
aleag aleator un punct de ncruciare i tot ceea ce este naintea
acestui punct s se copieze de la primul printe iar ce este dup, s se
copieze de la al doilea printe. ncruciarea poate s se prezinte astfel:
6. Selecia
Cromozomii sunt selectai din populaie pentru a fi prini ntr-o
ncruciare. Conform teoriei lui Darwin, cei mai buni prini
supravieuiesc i se nmulesc crend noi urmai. Dintre metodele cel
mai des ntlnite de selecie amintim:
Selecia aleatoare n care doi prini sunt alei aleator din
populaie.
Selecia cu ajutorul ruletei ponderate n care prinii sunt
selectai n conformitate cu fitness-ul lor. Cu ct sunt mai buni, cu att
ansa lor de a fi alei este mai mare. Imaginai-v o rulet n care sunt
dispui toi cromozomii din populaie. Fiecrui cromozom i corespunde
un sector al ruletei, direct proporional, ca mrime, cu fitness-ul
cromozomului respectiv. n acest fel cromozomii cu fitness mai mare au
ataate sectoare mai mari iar cei cu fitness mic au ataate sectoare mai
mici. La aruncarea bilei pe rulet exist mai multe anse de alegere
pentru cromozomii cu fitness mare.
Selecia aranjat este folosit n cazul n care fitness-ul
cromozomilor difer foarte mult. Astfel se ordoneaz cromozomii
cresctor dup fitness, apoi se renumeroteaz cu numere ntregi din
intervalul [1,..,dimensiunea populaiei]. Cromozomul cu fitness-ul cel
mai mic are numrul 1 etc., iar cromozomul cu fitness-ul cel mai mare
are numrul egal cu dimensiunea populaiei. Aceste numere se
consider fitness-uri i pe ele se aplic selecia roii de rulet.
Elitism. Cnd se creeaz o nou populaie prin ncruciare i
mutaii, exist o ans mare de a pierde cei mai buni cromozomi. De
aceea se recomand copierea celor mai buni cromozomi n noua
populaie, fr a-i schimba.
7. Aplicaie
Pentru a nelege mai bine algoritmii genetici i modul de
utilizare a lor, s-a formulat urmtoarea problem: Exist un depozit n
care se afl poziionate n cutii, fiecare cutie coninnd acelai produs.
Exist un manipulator care trebuie s culeag toate cele n cutii pentru a
185
Codificarea genelor:
Un cromozom va fi reprezentat printr-o permutare de tipul 1 2 3
4 5. O permutare reprezint ordinea n care manipulatorul culege cutiile.
186
Gena 2
2 Cutia 2
3 Cutia 3
4 Cutia 4
5 Cutia 5
6 Cutia 6
7 Depozit 7
Gena 6
2 Cutia 2
3 Cutia 3
4 Cutia 4
5 Cutia 5
6 Cutia 6
7 Depozit 7
Exemplu:
1
3
2
Mutaia
188