유전 알고리즘 예제

이것은 유명한 문제이며 시간 절약과 경제적이기 때문에 많은 판매 기반 회사에서 효율적으로 채택되었습니다. 이것은 또한 유전 알고리즘을 사용하여 달성됩니다. 유전 알고리즘 접근 가능한 문제 도메인의 확장은 하나의 염색체로 여러 유형의 이종으로 인코딩된 유전자를 연결하여 솔루션 풀의 보다 복잡한 인코딩을 통해 얻을 수 있다. [19] 이 특별한 접근 방식을 사용하면 문제 매개 변수에 대해 크게 다른 정의 도메인이 필요한 최적화 문제를 해결할 수 있습니다. 예를 들어, 캐스케이드 컨트롤러 튜닝의 문제에서 내부 루프 컨트롤러 구조는 세 가지 매개 변수의 기존 레귤레이터에 속할 수 있는 반면, 외부 루프는 언어 컨트롤러(예: 퍼지 시스템)를 구현할 수 있습니다. 본질적으로 다른 설명. 이 특정 형태의 인코딩에는 단면별로 염색체를 재결합하는 특수 크로스오버 메커니즘이 필요하며 복잡한 적응 시스템, 특히 진화 프로세스의 모델링 및 시뮬레이션에 유용한 도구입니다. 유전 알고리즘은 인구의 염색체의 유전 구조 그리고 행동을 가진 비유에 근거를 두습니다. 다음은이 비유에 따라 GA의 기초입니다 – 나는 지금 당신이 유전 알고리즘이 무엇인지에 대한 충분한 이해를 얻을 수 있기를 바랍니다 또한 TPOT 라이브러리를 사용하여 구현하는 방법. 그러나 어딘가에 적용하지 않으면이 지식만으로는 충분하지 않습니다.

이 유전 알고리즘은 적당한 개별, 즉 5 개의 1s를 가진 개별로 구성된 인구를 제공하기 위하여 적당 기능을 최대화하는 것을 시도합니다. 유전 알고리즘은 많은 응용 프로그램을 가지고, 그들 중 일부는 – 그것은 실제로 일종의 일, 하지만 원래의 접근 방식을 앞서 보증하기에 충분하지. 내 서학에 의해 시간 제한 되지 않은 경우, 알고리즘에 사용할 수 있는 유전 부품 빈을 확장 했을 수 있습니다. 나는 그것을 크게 개선 할 수 있다고 확신합니다. 1950년, 앨런 튜링은 진화의 원리와 평행을 이를 수 있는 “학습 기계”를 제안했습니다. [33] 진화의 컴퓨터 시뮬레이션은 1954년 뉴저지 주 프린스턴에 있는 고급 연구 연구소에서 컴퓨터를 사용하던 닐스 알 바리첼리의 연구와 함께 시작되었다. [34] [35] 그의 1954년 출판물은 널리 주목되지 않았다. 1957년부터 호주의 정량유전학자 알렉스 프레이저(Alex Fraser)는 측정 가능한 특성을 제어하는 여러 개의 동위가 있는 유기체의 인공 선택 시뮬레이션에 관한 일련의 논문을 발표했습니다. 이러한 시작부터 생물학자들에 의한 진화의 컴퓨터 시뮬레이션은 1960년대 초에 더 일반화되었고, 그 방법은 프레이저와 버넬(1970)[37]과 크로스비(1973)에 의해 책에 기술되었다. [38] 프레이저의 시뮬레이션은 현대 유전 알고리즘의 필수 요소를 모두 포함했다. 또한, 한스-요아킴 브레머만은 1960년대에 일련의 논문을 발표했으며, 최적화 문제, 재조합, 돌연변이 및 선택을 위한 솔루션 의 집단을 채택했습니다.

Bremermann의 연구는 또한 현대 유전 알고리즘의 요소를 포함했습니다. [39] 리처드 프리드버그, 조지 프리드먼, 마이클 콘래드 등 주목할 만한 초기 개척자들도 있다.

Posted in Uncategorized.