Cómo optimizar el diseño de un algoritmo genético

Los algoritmos genéticos son una técnica de inteligencia artificial inspirado en la naturaleza . Evolución " diseña " animales nuevos para encajar en ambientes de una manera estrictamente mecánico que parece exhibir inteligencia. Los algoritmos genéticos son una forma útil para resolver problemas de diseño cuando no tienes manera obvia de proceder. Si usted puede echar un problema como la optimización de los valores en una cadena de números , un algoritmo genético puede encontrar esta optimización . Cómo organizar los parámetros del algoritmo genético resulta ser crucial para la optimización de la solución a un problema particular. Instrucciones Matemáticas 1

Diseñe el diseño de su algoritmo genético . Los algoritmos genéticos funcionan para problemas en los que la solución al problema consiste en optimizar los valores de una serie de números . Una población de cadenas se evalúan y manipulado en formas sugeridas por la evolución hasta la una de la población es una cadena que es la solución a un problema específico. El diseño del algoritmo consiste en diseñar la disposición de las cuerdas, el diseño de algoritmos para la manipulación de la población y la evaluación de las cuerdas en cada generación
2

Iniciar con una población al azar : . Un gran número de cadenas cuando todos los números en todas las cuerdas fueron escogidos al azar. Evaluar todas las cadenas y deseche las cuerdas con las evaluaciones más bajas . Aplicar dos técnicas evolutivas a las empresas de alto rendimiento : la mutación y crossover. La mutación consiste en seleccionar un pequeño número de lugares en un pequeño número de cadenas y cambiando el número un poco ya sea hacia arriba o hacia abajo. Crossover consiste en alinear dos cadenas , elegir un " punto de cruce aleatorio ' y cambiar las cabezas y las colas en el punto de cruce. Los éxitos de la última generación , además de las cadenas de nueva creación conforman la nueva población . Cada generación tiene el mismo número de cadenas en la población .
3

ejecutar este algoritmo para varias generaciones y ver la mejor cadena. Si no es lo suficientemente bueno , es necesario cambiar algunos de los parámetros y ejecutar el algoritmo nuevo. Uno de los cambios más importantes que usted puede hacer es cambiar la forma en que las cuerdas están hechas . Por ejemplo , supongamos que usted está tratando de diseñar el interior de la cámara de combustión de un motor a reacción . las cuerdas pueden consistir en 20 mediciones realizadas en el interior del diseño del motor . Comenzando con diferentes mediciones es el cambio que es más probable que le de una respuesta mejor .
4

los parámetros importantes para retocar cuando la optimización de su algoritmo son la tasa de mutación , tamaño de la población , el número de valores en una cuerda y las posiciones de los valores de la cadena - ya sea que se encuentren en el centro o en los extremos

.