Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Evolutionäre Algorithmen Rüdiger Brause Proseminar Komplexe Adaptive Systeme.

Ähnliche Präsentationen


Präsentation zum Thema: "Evolutionäre Algorithmen Rüdiger Brause Proseminar Komplexe Adaptive Systeme."—  Präsentation transkript:

1

2 Evolutionäre Algorithmen Rüdiger Brause Proseminar Komplexe Adaptive Systeme

3 R.Brause, Institut für Informatik, WS 2004/ Lernen durch Evolutionäre Algorithmen Lernziel: Maximieren einer Zielfunktion R(g 1,..., g n ) durch Wahl von n Parametern g 1,..., g n Evolutionsschema 1. Wähle initial zufällige Werte g 1,..., gn 2. Evaluiere die Lösung, bilde R( g ) z.B. empirisch 3. Wähle zufällige Werte g 1 ‘,..., g n ‘, etwa leicht abweichend mit einer Normalverteilung N( g,  ) 4. Evaluiere die Lösung, bilde R( g‘ ) 5. R( g‘ ) > R( g ) ? Ja: g ‘  g Nein: -

4 R.Brause, Institut für Informatik, WS 2004/ Evolutionäre Algorithmen: Beispiel Versuchsaufbau Rohrkrümmung (Rechenberg 1973) Parameter g = (g 1,...,g n ) mit g i = (R,  Polarkoordinaten der Stützstellen Ziel = Durchflußmenge/Zeit, Änderungen = normalvert. Abweichungen Startkrümmung Endkrümmung Ergebnis : Durchfluss verbessert um ca. 10%

5 R.Brause, Institut für Informatik, WS 2004/ Lernen durch Genetische Algorithmen Lebewesen Bauplan = Genotyp g = (g 1,...,g n ) mit g = Chromosom, g i = Gen Erscheinungsbild = Phänotyp ( g ) Ziel-Bewertung = Fitness ( g ) Mehrere Lebewesen g i : Population G = { g i } Lernziel: Maximieren der Zielfunktion (Fitness) Reproduktionsplan 1. Bewerte die Population G : GetFitness(G) 2. Selektiere die Besten von G : SelectBest(G) 3. Vermehre sie mit Änderungen GeneticOperation(G)

6 R.Brause, Institut für Informatik, WS 2004/ vorhernachher Mutation Genetische Operatoren cross - over Inversion

7 R.Brause, Institut für Informatik, WS 2004/ Genetische Operatoren Idee: Kombination „guter“ Gene verbessert die Lösungen Gen-Rekombination ist nur sinnvoll bei geeigneten Gen-Definitionen ! Gegenbeispiel: Ansteigende Gütefunktion mit lokalen Minima Ziel Fitness(x) Chromosom=Bitstring x = 10 Bit

8 R.Brause, Institut für Informatik, WS 2004/ Evolutionäre Algorithmen: Beispiel Evolution eines Schmetterlings (Rechenberg 1973) Genotyp g = (g 1,...,g n ) mit g i aus {1,0}= Färbung ja/nein Fitness = Hammingabstand, Änderungen = Zufall, Rekombination Generationen 10 Individuen, Mutation, Rekombination, Auslese 10 Individuen, Mutation, Auslese 1 Individuum, Mutation, Auslese Hamming-Distanz

9 R.Brause, Institut für Informatik, WS 2004/ Fragen ?


Herunterladen ppt "Evolutionäre Algorithmen Rüdiger Brause Proseminar Komplexe Adaptive Systeme."

Ähnliche Präsentationen


Google-Anzeigen