Genetikus algoritmusok

Slides:



Advertisements
Hasonló előadás
Genetikus algoritmusok
Advertisements

M OBILROBOT - PROGRAMOZÓ VERSENY Készítette: Szomjas Oroszlánok Team.
Ady Endre Német Nemzetiségi Nyelvoktató Általános Iskola és Alapfokú Művészeti Iskola - Berhida Környezeti nevelés.
Text Pioneers into Practice 2016 Hungary. 2 A Pioneers into Practice program célja, hogy elősegítse az alacsony széndioxid kibocsátással működő, versenyképes.
Az új közbeszerzési törvény megalkotásának körülményei, várható jövőbeli változások május 26. Dr. Kovács László Miniszterelnökség Közbeszerzési Szabályozási.
ETailer Kit Lenovo Tab Lenovo Internal. All rights reserved. Ildikó Árva
Irattári és levéltári funkciók a tanúsított szoftverekben Vágujhelyi Ferenc.
Beruházási és finanszírozási döntések kölcsönhatásai 1.
ISKOLAKÉSZÜLTSÉG – AZ ADAPTÍV VISELKEDÉS FEJLETTSÉGE dr. Torda Ágnes gyógypedagógus, klinikai gyermek-szakpszichológus Vizsgálóeljárás az iskolába lépéshez.
Az IKER önértékelő IKER társadalmasítás workshop Budapest, április 12.
BINARIT TIMESHEET Több, mint munkaidő nyilvántartás Virág Zsolt (BINARIT Informatikai Kft.)„Hogyan legyek milliomos?” konferencia – BKIK ( )
„Internetes kommunikáció” pótkurzus Készítette: Tóth Tímea Szak: Tantárgykódja: Tanár neve:
Informatikai rendszerek általános jellemzői 1.Hierarchikus felépítés Rendszer → alrendszer->... → egyedi komponens 2.Az elemi komponensek halmaza absztrakciófüggő.
FELSŐOKTATÁSI INTÉZMÉNYEK WEBOMETRICS RANGSORÁNAK VIZSGÁLATA GOOGLE PAGERANK TEKINTETÉBEN DOSz – Tavaszi Szél Konferencia 2016 Losonczi György.
BEST-INVEST Független Biztosításközvetítő Kft.. Összes biztosítási díjbevétel 2004 (600 Mrd Ft)
KÉPZŐ- ÉS IPARMŰVÉSZET ISMERETEK ÁGAZATI SZAKMAI ÉRETTSÉGI VIZSGA (középszintű) május-június.
Számítógépes szimuláció
vizuális megismerés – vizuális „nyelv” vizuális kultúra
Hogyan lehet sikeresen publikálni?
Microsoft Office Publisher
Program utasítássorozat

Észlelés és egyéni döntéshozatal, tanulás
Mesterséges intelligencia
Baross László Mezőgazdasági Szakközépiskola és Szakiskola Mátészalka
SZÁMVITEL.
Algoritmusok és Adatszerkezetek I.
Monte Carlo integrálás
Szervezetfejlesztés II. előadás
SZAKISKOLAI FEJLESZTÉSI PROGRAM
Hullámdigitális jelfeldolgozás alapok 5 Híd struktúrájú szűrők
A naptevékenységi ciklus vizsgálata a zöld koronavonal alapján
Tömör testmodellek globális kapcsolatai
A Nemzeti Szakképzési és Felnőttképzési Intézet Konferenciája
Algebrai specifikációk
A PDCA elv alkalmazása az információvédelmi irányítási rendszerekben 1
2. Bevezetés A programozásba
Hogyan lehet sikeresen publikálni?
Közigazgatási alapvizsga a Probono rendszerben
Business Mathematics
Algoritmusok és Adatszerkezetek I.
Regressziós modellek Regressziószámítás.
Algoritmusok és Adatszerkezetek I.
STRUKTURÁLT SERVEZETEK: funkció, teljesítmény és megbízhatóság
CONTROLLING ÉS TELJESÍTMÉNYMENEDZSMENT DEBRECENI EGYETEM
Közfoglalkoztatásból a versenyszférába- segítő munkaerőpiaci program
Tájékoztató az Önkormányzati ASP Projektről
AVL fák.
Szoftverrobotok vs biorobotok Bemutatkozik Albert, a vállalati robot
Informatikai gyakorlatok 11. évfolyam
A villamos installáció problémái a tűzvédelem szempontjából
Új pályainformációs eszközök - filmek
Felszín alatti vizek kémiai állapotfelmérése
Klasszikus genetika.
Bináris kereső fák Definíció: A bináris kereső fa egy bináris fa,
Financial crisis and student performance
A számítógép története
A kutatási projekt címe Név Oktató neve Tanulmányi intézmény neve
A szállítási probléma.
I. HELYZETFELMÉRÉSI SZINT FOLYAMATA 3. FEJLESZTÉSI FÁZIS 10. előadás
Online pénztárgépadatok felhasználása a kiskereskedelmi statisztikában
Scool-Túra Kft Miskolc Széchenyi út 36.
Tájékoztató az EPER pályázati folyamatáról
SZAKKÉPZÉSI ÖNÉRTÉKELÉSI MODELL I. HELYZETFELMÉRŐ SZINT FOLYAMATA 7
LIA Alapítványi Ált. Isk. és Szki. Piliscsabai Tagintézménye
A POWERPOINT 2007 újdonságai
A T-spline felületreprezentáció
KOHÉZIÓS POLITIKA A POLGÁROK SZOLGÁLATÁBAN
Üzlezi információelemző specializió
A statisztikus elemző specializió
Előadás másolata:

Genetikus algoritmusok Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT.- 5. kurzus 1 Informatikai Rendszerek Tervezése 4. Előadás: Genetikus algoritmusok   Illyés László

Tartalom Bevezető A kanonikus genetikus algoritmus A genetikus algoritmusok biológiai alapjai Történelem Permutációs adatstruktúrák Speciális reprezentációk Saját reprezentációk

Bevezető Charles Darwin elmélete és G.J. Mendel statisztikai kísérletei egy minőségi ugrást jelentettek a biológiában. J.D. Watson és F. Crick készítették el először a DNS struktúrát, ahogy ma is ismerjük. A komplexitás elmélet és az operációkutatás nagy hatással voltak a kutatásokra, kimutatva, hogy a valós, komplex problémák nem oldhatók meg polinomiális idő alatt Keresték az olyan algoritmusokat, amelyek modellezni és utánozni tudnák a nagy túlélőt: a Természetet.

A DNS struktúrája Forrás: Wikipedia, dezoxiribonukleinsav

Két székely barkchobázik: - Tekeredik. - Ja, tekeredik Két székely barkchobázik: - Tekeredik? - Ja, tekeredik! - Oszt kunkorodik is? - A' hát, kunkorodik is! - De oszt csavarodni oszt csavarodik-é? - Csavarodik hát! - Nono, na csak nem tán a dezoxiribonukleinsav?! http://kecskefeszek.net/vicc/szekely-viccek/barkochba.html

Az algoritmus működése POPULÁCIÓval dolgozunk Kezdeti populáció elkészítése a véletlent használja (RAND). Minden ciklus egy új GENERÁCIÓ Kiértékelés: a problémára adott megoldás EREDMÉNYének kiszámítása

Genetikus OPERÁTOROK kiválasztás (Darwin szerinti) Az életképesebb egyéneknek nagyobb az esélyük a túlélésre vagy szaporodásra, génei nagyobb valószínűséggel lesznek benne a következő generáció gyerekeiben életképesség ↔ jobb eredmény keresztezés mutáció reprodukció

Mandel szerinti öröklődés (a keresztezés mechanizmusa) Forrás: Wikipedia, Mandelian inheritance

Mi történik, ha keresztezik a zsiráfot és a vakondot Mi történik, ha keresztezik a zsiráfot és a vakondot?! fúrótorony Mit történik, ha keresztezzük a pulit egy zsiráffal? szívinfarktust kap a juhász Mi lesz, ha a kecskét és a kacsát keresztezzük? mekkdonalds. Mi lesz a bulldog és a boxer kereszteződéséből? bulldózer Mi lesz a kígyó és a sűndisznó kereszteződéséből? szögesdrót

Bináris sztringek egypontos keresztezése Szülők Keresztezés locus P1 1 P2 1 Gyerekek (offsprings) O1 1 1 O2

Bináris sztringek kétpontos keresztezése Keresztezés locusok Szülők P1 1 P2 1 Gyerekek (offsprings) O1 1 1 O2

Bináris sztringek uniform keresztezése Szülők P1 1 P2 1 Gyerekek (offsprings) O1 1 1 O2 0.5-0.5 valószínűséggel egyik vagy másik szülőtől

Túlzott mutáció http://www.pecsistop.hu/tudomany/elkepeszto-mutans-szuletett-a-tudosok-is-elismertek-video/1133995/

Mutáció tipusok Törlés Duplikálás Inverzió Beszúrás Transzlokáció "All of the illustrations in the Talking Glossary of Genetics are freely available and may be used without special permission." Mutáció tipusok Törlés Duplikálás Inverzió Beszúrás Transzlokáció

Bináris sztringek mutációja Csak egy gén mutálódik P1 1 O1 1 A gének egymástól függetlenül mutálódnak P1 1 O1 1

Bináris sztringek mutációja Csak egy gén mutálódik P1 1 O1 1 A gének egymástól függetlenül mutálódnak P1 1 O1 1

A kanonikus genetikus algoritmus A problémát a hátizsák problémán keresztül vizsgáljuk, amelyik egy befektetési portfólióról szól. Egy befektetőnek c tőkéje van, amit be szeretne fektetni. Választhat n befektetésből. Az összes lehetséges befektetés értéke nagyobb, mint a tőke, ami rendelkezésére áll. Az i-edik befektetés összege fdi és a várható nyereség bi si-kiválasztási vektor: si=1 ha kiválasztjuk az i-edik variáns, másképp si=0 A matematikai modell:

A genetikus algoritmus helye az optimalizálásban optimalizálási eljárások gradiens alapú módszerek sztochasztikus kimerítő keresésen alapuló szimulált lehűtés direkt indirekt tabu algoritmus evolúciós algoritmusok Dinamikus programozás evolúciós stratégiák genetikus algoritmusok párhúzamos soros Álmos A. et.all, Genetikus algoritmusok, Typotex, Budapest, 2002, pp. 21

Történeti áttekintés -minden rendszer egy olyan populáció kialakítására épül, amely egy adott probléma megoldási lehetőségeit tartalmazza 1965,73 – Rechenberg – evolúciós stratégiák 1966 – Fogel, Owens és Walsh – evolutív programozás 1975 – Holland J. – genetikus algoritmusok – a kanonikus genetikus algoritmus 1992,94 – Koza J.R. – genetikus programozás

A genetikus algoritmusok biológiai háttere Miért használható? Sok számítási feladat megoldásakor szükségünk van egy adaptációs lehetőségre, vagyis arra, hogy az algoritmus robusztus legyen változó környezetben is Robotikában, a robotirányításban, meg kell oldani olyan feladatokat, amelyek változó környezetben zajlanak, a program használható kell legyen más felhasználó számára is. A túlélési versenyben, az erősebb egyedeknek (akik jobban megoldanak egy problémát, több energiaforráshoz jutnak) nagyobb az esélyük, hogy szaporodjanak, a gyerekeik örökölni fogják a kromoszóma-állományuk egy részét.

A genetikus algoritmus és a biológiai megfelelője Genetikus algoritmusok Kromoszóma Sztring Gén jellemző génváltozat (allél) Jellemző értéke Gén helye (locus) Sztring-pozíció Genotípus Struktúra Fenotípus Egy megoldás Álmos A. et.all, Genetikus algoritmusok, Typotex, Budapest, 2002, pp. 40

A szaporodás Az egyszerű, vagy a generációs szaporodás: lecseréli a szülő (régi) populációt. Ennek kiegészítése képpen, használatos az elitizmus princípiuma, amelyben a populáció legjobb elemei továbbélnek a következő generációban is.

Átrendező operátorok Permutációkra kidolgozott Az utazóügynök problémát megoldó Egy olyan genetikus anyag, amelyben minden gén más-más információt hordoz- nincs 2 egyforma gén A permutációs jelleg megmarad

Átrendező operátorok K T L O S P F H K S O L T P F H INVERZIÓ-művelete A K T L O S P F H A’ K S O L T P F H “Egy valódi gén funkciója gyakran független annak a kromoszómán belüli pozíciójától (habár egy helyhez tartozó gének gyakran együttműködnek)”

Átrendező operátorok PMX-Partially Mixed Crossover A 9 8 4 5 6 7 1 3 2 10 8 7 1 2 3 10 9 5 4 6 B Gyerekek (offsprings) A’ 9 8 4 2 3 10 1 B’ 8 1 5 6 7 9 4

Átrendező operátorok PMX-Partially Mixed Crossover A 9 8 4 5 6 7 1 3 2 10 8 7 1 2 3 10 9 5 4 6 B Gyerekek (offsprings) A’ 9 8 4 2 3 10 1 6 5 7 B’ 8 10 1 5 6 7 9 2 4 3

Átrendező operátorok OX - Order Crossover A 9 8 4 5 6 7 1 3 2 10 8 7 1 2 3 10 9 5 4 6 B Gyerekek (offsprings) A’ 9 8 4 5 6 7 1 B’ 8 1 2 3 10 9 4

Átrendező operátorok OX - Order Crossover A 9 8 4 5 6 7 1 3 2 10 8 7 1 2 3 10 9 5 4 6 B Gyerekek (offsprings) A’ 5 6 7 2 3 10 1 9 8 4 B’ 2 3 10 5 6 7 9 4 8 1

Átrendező operátorok CX - Cycle Crossover A 9 8 2 1 7 4 5 10 6 3 1 2 3 4 5 6 7 8 9 10 B Gyerekek (offsprings) A’ 9 B’ 1

Átrendező operátorok CX - Cycle Crossover A 9 8 2 1 7 4 5 10 6 3 1 2 3 4 5 6 7 8 9 10 B Gyerekek (offsprings) A’ 9 1 4 6 B’ 1 4 6 9

Átrendező operátorok CX - Cycle Crossover A 9 8 2 1 7 4 5 10 6 3 1 2 3 4 5 6 7 8 9 10 B Gyerekek (offsprings) A’ 9 2 3 1 5 4 7 8 6 10 B’ 1 8 2 4 7 6 5 10 9 3

A szülők permutáció sorszámai közti szomszédos kapcsolatokat öröklik Edge rekombináció A szülők permutáció sorszámai közti szomszédos kapcsolatokat öröklik

Átrendező operátorok G D M H B J F I A K E C C E K A G B H I J F M D A ERC – Edge Recombination Crossover P1 G D M H B J F I A K E C P2 C E K A G B H I J F M D A G, I, -K B G, -H, J C D, -E, G D C, G, -M E -C, -K F I, -J, M csúcslista Amely elemek 2-szer vannak jelen, külön megjelöljük – jellel. Ezeknek prioritásuk lesz az elkövetkezőkben.

Átrendező operátorok G D M H B J F I A K E C C E K A G B H I J F M D G ERC – Edge Recombination Crossover P1 G D M H B J F I A K E C P2 C E K A G B H I J F M D G A, B, C, D H -B, I, M I A, F, H, J J B, -F, I K -A, -E M -D, F, H csúcslista Ez a megközelítés akkor állja a helyét, ha szimmetrikus a költségmátrix és az utazó- ügynök vissza kell térjen a bázishelyre

Reprezentáció és kódolás 1. Klasszikus, rögzített hosszúságú bináris sztring 1 2. Egészértékű kódolás 3 24 51 68 15 42 79 37 12 7 3. Lebegőpontos kódolás 1.1 3.25 4.3 9.71 2.8 7.31 6.01 5.8

Reprezentáció és kódolás 4. Változó hosszúságú kromoszóma 1 1 1 5. Kétdimenziós kromoszóma 1

Reprezentáció és kódolás 5. Listás kromoszóma ábrázolás 5 31 4 63 16 6. Fa-struktúrájú kromoszóma ábrázolás 35 41 1 8 23 56 17

Reprezentáció és kódolás x + x - - + + c b 1 a x x 3.5 -1.2 b 2.5 c a Programok kódolása fa-struktúrában

MTSP –több utazóügynök probléma Egy kromoszómás technika 2 5 14 6 -1 1 11 8 13 -2 4 10 3 -3 12 15 9 7 Két kromoszómás technika 2 5 14 6 1 11 8 13 4 10 3 12 15 9 7 2 1 3 4

MTSP –több utazóügynök probléma Kétrészű kromoszóma technika 2 5 14 6 1 11 8 13 4 10 3 12 15 9 7 A kromoszóma első részére lehet alkalmazni bármilyen rekombinációs műveletet. A második részére a kromoszómának ki kell találni egy másfajta keresztezés vagy mutációs műveletet

Sarok algoritmus kromoszómája

Kontroll kromoszóma

Kontroll kromoszóma keresztezés operátora