Genetikus algoritmusok

Slides:



Advertisements
Hasonló előadás
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék 2013/14 1. félév 7. Előadás Dr. Kulcsár Gyula egyetemi docens.
Advertisements

Adatelemzés számítógéppel
ADATBÁZISOK.
„az emberek hazudnak, de a bizonyítékok nem”
Sarangolt faválasztékok tömör köbtartalmának meghatározása
4. Előadás: A mohó algoritmus
Partner kiválasztási feladat modellezése Virtuális vállalat 8. gyakorlat Dr. Kulcsár Gyula.
3. Két független minta összehasonlítása
Optimális részhalmaz keresése Keresési tér. 0,0,0,0 1,0,0,0 0,1,0,0 0,0,1,0 0,0,0,10,0,1,1 1,1,0,0 1,0,1,0 0,1,1,0 1,1,1,0 1,0,1,1 0,1,1,1 1,1,1,11,1,0,1.
Vizuális modellezés Uml és osztálydiagram UML eszközök
Metal/plastic foam projekt
Genetikus algoritmusok
KÖSZÖNTJÜK HALLGATÓINKAT!
OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.
Matematikai modellek a termelés tervezésében és irányításában
A Mendel-i öröklődés Falus András
Molekuláris genetika Falus András.
Fejezetek a genetikából Perczel Tamás
IRE 5 /18/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 5.
Evolúciós algoritmus. Az evolúciós algoritmus Darwin fajfennmaradási elméletén alapszik, és a függvény-minimum meghatározására szolgál. Alapfogalmak:
MUTÁCIÓ ÉS KIMUTATÁSI MÓDSZEREI
Miskolci Egyetem Informatikai Intézet Általános Informatikai Tanszé k Pance Miklós Adatstruktúrák, algoritmusok előadásvázlat Miskolc, 2004 Technikai közreműködő:
Corvinus Egyetem 1 Az önerős vállalati fejlesztő tevékenység és a vállalat köré szerveződő hálózatok tevékenységének összehangolása MTA Vezetés- és Szervezéstudományi.
Előrendezéses edényrendezés – RADIX „vissza”
Controlling a gyakorlatban
Az öröklődés - Dedičnosť
Kovács Dániel László Kovács Dániel László BME-VIK, Méréstechnika és Információs Rendszerek Tanszék Önálló laboratórium.
Dr. Bugyi István Kórház Szülészeti és Nőgyógyászati Osztály,
Problémás függvények : lokális optimalizáció nem használható Globális optimalizáció.
Optimalizáció modell kalibrációja Adott az M modell, és p a paraméter vektora. Hogyan állítsuk be p -t hogy a modell kimenete az x bemen ő adatokon a legjobban.
1 Mössbauer-spektrumok illesztése: vonalalak A kibocsátott  -sugárzás energiaspektruma Lorentz-görbe alakú: I : sugárzás intenzitása  : frekvencia 
Környezeti rendszerek modellezése 11. előadás Optimalizáció Balogh Edina.
7. Csoportok és változók sztochasztikus összehasonlítása (összehasonlítások ordinális függő változók esetén)
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Többváltozós adatelemzés
Kötvényárazási hibák intelligens javítóalgoritmusának tervezése és fejlesztése GELLÉN ÁGNES IUFQ58.
Megbízható harmadik generációs mobil távközlő hálózatok tervezése genetikus algoritmussal Szigeti János Konzulensek: Cinkler Tibor (TTT) Szlovencsák Attila.
A molekuláris evolúció neutrális elmélete
Ugrás az első oldalra Pályázatmenedzsment Rácz József tanácsadó Készült a NFGM támogatásával, a KKC-2007-K projekt keretében.
Az üzleti rendszer komplex döntési modelljei (Modellekkel, számítógéppel támogatott üzleti tervezés) II. Hanyecz Lajos.
Információs rendszerek tervezése
Algoritmizálás, adatmodellezés tanítása 8. előadás.
BINÁRIS FA Definició: A fa olyanösszefüggő gráf, amelyben nincs kör
Programtenyésztés igény szerint avagy hogyan segít programot írni a természetes kiválasztódás Szita István, Eötvös Collegium.
Dr. Bánkuti Gyöngyi Klingné Takács Anna
Funkciós blokkok A funkciós blokkok áttekintése Az alkalmazás előnyei.
A genom variabilitás orvosi jelentősége Gabor T. Marth, D.Sc. Department of Biology, Boston College Orvosi Genomika kurzus – Debrecen, Hungary,
Genetikus algoritmusok
Genetikus algoritmusok Kezdőknek és haladóknak
TECHNOLÓGIA ÉS KÖRNYEZET
Genetikus algoritmusok
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Korlátkielégítési problémák Autonóm és hibatűrő információs.
Kutatásmódszertani dilemmák
Informatikai Rendszerek Tervezése 5. Előadás: Genetikus algoritmusok Illyés László Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT.-5.
Menetrend optimalizálása genetikus algoritmussal
Genetikus algoritmus “A genetikus algoritmusok segítségével óriási méretű paraméter teret vizsgálhatunk meg, hogy megtaláljuk különböző dolgok optimális.
Struktúra predikció Struktúra lehet Felügyelt tanulási probléma
Algoritmusok és adatszerkezetek
1  BME Híradástechnikai Tsz komhal20.ppt Kommunikációs hálózatok tervezése 20. előadás Izsó Tamás Híradástechnikai tanszék 2000 Budapesti Műszaki.
NJSzT Nemes Tihamér Országos Középiskolai Sámítástechnikai Tanulmányi Verseny.
TÁMOP /1-2F Informatikai gyakorlatok 11. évfolyam Alapvető programozási tételek megvalósítása Czigléczky Gábor 2009.
Genetikus algoritmusok
Sudoku.
Genetikus algoritmusok
FOGALMAK DNSasfehérje (szabályozó/szerkezeti)
Komenczi Bertalan Információelmélet
Ivari kromoszómákhoz kapcsolt öröklődés
Informatikai gyakorlatok 11. évfolyam
A mesterséges neuronhálók alapjai
Algoritmusok és Adatszerkezetek I.
Előadás másolata:

Genetikus algoritmusok Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT.- 5. kurzus 1 Informatikai Rendszerek Tervezése 5. 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 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

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