Documentos de Académico
Documentos de Profesional
Documentos de Cultura
?
Programare evolutivă și algoritmi genetici
Manual
C. Cocianu, C. Uscatu, Programare evolutivă și algoritmi genetici,
Editura ASE București, 2015
Alte cărți
Eiben, A. E., Smith, J. E., Introduction to Evolutionary Computing,
Springer-Verlag, 2003
Fulcher, J., Jain, L. C. (Eds.), Computational Intelligence: A
Compendium, Springer-Verlag, 2008
Engelbrecht, A.P., Computational Intelligence. An Introduction, John
Wiley & Sons, 2007
Programare evolutivă și algoritmi genetici
Evaluare pe parcurs
▪ Seminar 50%
▪ Probă practică 20%
▪ Proiect 30%
▪ Lucrare scrisă 50%
Diverse
▪ Prezență, recuperare absențe, studiu individual, reguli, colaborare
online.ase.ro
Fișa disciplinei, prezentări, teme, alte materiale, comunicație
PEAG Calcul evolutiv (EC).
Suport de natură biologică
Evoluție a populației
Fenotip (axele x, y) -> evaluare, calitate (axa z)
Avans spre zone mai „înalte”
Probleme unimodale / multimodale
Inactivitate genetică, concentrare în puncte de maxim local
PEAG Tipuri de probleme
Probleme de optimizare
Se cunosc: model, date de ieșire dorite
Trebuie determinate: datele de intrare
Exemple: problema comis-voiajorului, planificarea activităților, problema celor N regine
Probleme de simulare
Se cunosc: date de intrare, model
Trebuie determinate: date de ieșire
Exemplu: întrebări „ce se întîmplă dacă?” („what-if”), economia evolutivă
PEAG Tipuri de probleme
Mulțime candidați 𝒟
Evaluează candidații 𝑓 𝑥 , 𝑥 ∈ 𝒫0
Factor stochastic
Selecție părinți: șanse proporționale cu calitatea
Recombinare
▪ Alegere perechi (tupluri) de părinți pentru recombinare
▪ Alegere secvențe de material genetic interschimbat
Mutație
▪ Alegere alele
▪ Alegere noi valori
PEAG Forma generală a unui EA
𝑖←0
Pas 3. Repetă
3.1. Selectează părinți ℬ𝒫𝑖 ⊆ 𝒫𝑖
3.2. Recombină perechi (sau n-tupluri) de părinți => progenituri
3.3. Aplică mutații asupra progeniturilor => noi candidați
3.4. Evaluează noii candidați
3.5. Selectează indivizii pentru generația următoare 𝒫𝑖+1
3.6. 𝑖 ← 𝑖 + 1
Pînă cînd este satisfăcută condiția de terminare
PEAG Clasificarea EA
Șiruri din
Algoritmi alfabet
finit
Programare genetici
evolutive
Strategii
genetică
Vectori
de
numere
reale
Arbori
Programare Mașini
evolutivă cu stări
finite
PEAG Exemplu
Spațiul genotipurilor
Mulțimea numerelor reale din [−1,1]
Populația este constituită din dim indivizi
Populația inițială este generată aleator
Selecție părinți
Alege jumătate din populația curentă prin metoda turnir (turneu)
Operatorul de recombinare
𝑟𝑒𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑟𝑒 𝑥+𝑦
𝑥, 𝑦 𝑧= 2
probabilitate de recombinare pc
Operatorul de mutație
𝑚𝑢𝑡𝑎ț𝑖𝑒
𝑥 −𝑥
probabilitate de mutație pm
PEAG Exemplu
Condiție de terminare
Număr maxim de generații permise
▪ sau
Calitatea populației nu se mai îmbunătățește semnificativ
PEAG Exemplu
Fie
dim=1000, eps=0.00001, pc =0.5, pm=0.1, 75 generații
PEAG Exemplu