Documente Academic
Documente Profesional
Documente Cultură
Introducere
Domeniile de aplicare
• optimizarea parametrilor
• control optim
• transport
• optimizare combinatorială
• desenare de grafuri
• învăţare inductivă a regulilor de decizie
• stabilirea cablajelor
• planificarea
l ifi
• jocuri, modelarea cognitivă
• optimizarea interogării bazelor de date.
12/01.2010 Algoritmi Paraleli si Distribuiti – Curs 14 3
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
Vocabular
• AG împrumută
p vocabularul geneticii:
g
– soluţiile sunt indivizi,
– mulţimea soluţiilor potenţiale reprezintă o populaţie
– în reprezentarea
p soluţiilor
ţ apar
p g gene ((caractere))
• Problema:
– cautarea
t i t
intr-un spatiu
ti de
d siruri
i i binare
bi d 30
de
de biti, cu functia obiectiv:
f( ) = | 11*one(v)-150
f(v) 11*one( ) 150 |
– unde one(v) este numarul de unitati din
vectorul binar v.v
– Functia f(v) are :
• un maxim global pentru vg = (1 1 1 1 …1),
1) pentru
care f(vg) = 180
• un maxim local pentru vl = (0 0 0 …0), pentru care
f(vl) = 150.
12/01.2010 Algoritmi Paraleli si Distribuiti – Curs 14 5
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
Algoritmi genetici
procedure algoritm_genetic
begin
t := 0;
creaza o populatie initiala de cromozomi P(t);
evalueaza fiecare cromozom al populatiei initiale.
do t < MAX ot not conditie de terminare ->
t := t+1;
selecteaza
l t parintii
i tii pentru
t reproducere;
d
creaza noi cromozomi prin imperechere si mutatie;
inlocuieste anumiti membri ai populatiei cu cei noi;
evalueaza cromozomii din noua populatie
od
end
Numar aleator 23 49 76 13 1 27 57
Cromozom ales 3 7 10 3 1 3 7
12/01.2010 Algoritmi Paraleli si Distribuiti – Curs 14 13
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
A li
Aplicarea operatorului
t l i mutation
t ti pentru
t probabilitatea
b bilit t 0 0.08
08
Cromozom vechi 1 0 1 0 1 1 0 0
Probabilitate 0 80
0.80 0 11
0.11 0 27
0.27 0 45
0.45 0 12
0.12 0 05
0.05 0 15
0.15 0 03
0.03
Cromozom nou 1 0 1 0 1 0 0 1
Primul fiu 1 1 1 1 1 1 0 0
Al doilea fiu 0 0 0 0 0 0 1 1
12/01.2010 Algoritmi Paraleli si Distribuiti – Curs 14 14
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
Primul fiu 0 0 0 1 1 1 0 0
Al doilea fiu 1 1 1 0 0 0 1 1
Probabilitati 1 0 0 1 0 0 0 1
Primul fiu 1 0 0 1 0 0 0 1
Al doilea fiu 0 1 1 0 1 1 1 0
(S1) = 11
supravieţuire a schemei la încrucişări.
eval ( S , t )
ţ a unui şşir care corespunde
• Probabilitatea de selecţie p schemei S =
• Numar de selectii este pop_size
F (t )
• Rezulta:
eval ( S , t )
( S , t 1) ( S , t ) * pop _ size *
F (t )
12/01.2010 Algoritmi Paraleli si Distribuiti – Curs 14 17
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
sii primeşte
i t un număr
ă maii mare d
de iindivizi
di i i îîn noua populaţie.
l ţi
____
Dacă eval ( S , t ) F (t )(1 )
avem ( S , t 1) ( S , t ) * (1 )
sau ( S , t ) ( S ,0) * (1 ) t
(S )
• cu p pentru incrucisare pc: p s ( S ) 1 p c *
prob. de selectie p
m 1
eval ( S , t ) (S )
( S , t 1) ( S , t ) * * (1 p c * )
———
F (t
(t ) m 1
• Ex:
E problema
bl rucsacului.
l i
– date fiind o mulţime de ponderi W, profiturile asociate
P şi capacitatea
p C a rucsacului, să se g
găsească un
vector binar X = <x1, x2, ..., xn> a.i.
i = 11,n xi * wi <
<= C şi
( ) = i = 1,n
P(X) 1 n xi * pi este maxim.
• Variante:
– logaritmică,
g , g2 ((1 + ( i = 11,nn xi * wi - C))
Pen1((X)) = log ))
– liniară, Pen2(X) = ( i = 1,n xi * wi - C)
– pătratică, Pen3(X) = ( ( i = 1,n xi * wi - C))2
Examen
a c
P1
P2 f b
P3
d e
Subiectul 2. (1 punct)
S bi t l 3.
Subiectul 3 (1 punct)
t) Tratati
T t ti unull din
di subiectele
bi t l urmatoare,
t l alegere:
la l
Conditii
Timp de lucru: 2 ore
Fara documentatie
Hinturi de rezolvare
Subiectul 1. Ceasuri logice
g vectoriale ((subiect tratat p
pe larg
g in cursul 8).
)
1.1 Conceptul general
Motivatia: cu solutia Lamport, din amprentele logice nu se poate deduce ordinea
evenimentelor. Justificare, eventual pe un exemplu.
Principiul:
p rolul vectorilor V(i)
( ) si modul de actualizare;; compararea
p vectorilor si
deducerea relatiei cauzale a evenimentelor corespunzatoare.
1.2 Exemplul din figura
Vezi exemplul de la curs
1.3 Aplicatie
Specificarea: descrierea dependentei cauzale a mesajelor; atentie la notiunea de
livrare a mesajelor!
Solutia: Descrierea operatiilor; nu trebuie uitata livrarea mesajelor.
a c
P1
P2 f b
P3
d e
12/01.2010
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
Subiectul 2. (1 punct)
12/01.2010
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
S bi t l 3.
Subiectul 3
La ambele probleme:
la descrierea algoritmului se acorda punctaj maxim (0.4 p) pentru o
descriere coerenta in pseudocod.
La problema 3.2:
punctaj maxim pentru analiza detaliata a politicilor de prioritate cu
exemplificare pe pseudocod.
12/01.2010
Universitatea Politehnica Bucuresti - Facultatea de Automatica si Calculatoare
Observatii:
• Punctajul este afisat pe site (plus
actualizarea de astazi – nelamuriri?)
• Nu aveti voie sa veniti cu alta grupa decat
cu aprobarea mea (pentru probleme
speciale contactati-ma)
• Pentru nelamuriri,
nelamuriri documentatie/explicatii
suplimentare – open office, EG303,
p @ p
ciprian.dobre@cs.pub.ro
• …
Poza de grup
12/01.2010