Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Ingo Rechenberg PowerPoint-Folien zur 5. Vorlesung Evolutionsstrategie II Genetische Algorithmen versus Evolutionsstrategie Imitation der Ursache und Imitation.

Kopien: 1
Ingo Rechenberg PowerPoint-Folien zur 5. Vorlesung Evolutionsstrategie II Genetische Algorithmen versus Evolutionsstrategie Imitation der Ursache und Imitation.

Ähnliche Präsentationen


Präsentation zum Thema: "Ingo Rechenberg PowerPoint-Folien zur 5. Vorlesung Evolutionsstrategie II Genetische Algorithmen versus Evolutionsstrategie Imitation der Ursache und Imitation."—  Präsentation transkript:

1 Ingo Rechenberg PowerPoint-Folien zur 5. Vorlesung Evolutionsstrategie II Genetische Algorithmen versus Evolutionsstrategie Imitation der Ursache und Imitation der Wirkung Weiterverwendung nur unter Angabe der Quelle gestattet

2 1960er Jahre 1970er Jahre Zur Geschichte Biologische Evolution als Vorlage für einen Optimierungsalgorithmus Hans-Joachim Bremermann John Henry Holland

3 Genetische Algorithmen Imitation der Ursache statt Imitation der Wirkung

4 Information Realisation

5 Konstruktionszeichnung – Realisation Gestern

6 Konstruktionszeichnung – Realisation Heute

7 Bausteine der Realisation (Aminosäuren) Bausteine der Information (Nukleotidbasen)

8 Der Genetische DNA-Code

9 Realisierung der genetischen Information

10 Ser Übersetzung eines DNA-Worts in die Aminosäure-Bedeutung Nukleotidbasentriplett Nach dem genetischen Code zugeordnete Aminosäure

11 Funktion der Form in Technik und Biologie Auftriebsprofil Molekülkescher

12 Man stelle sich die 20 Aminosäuren als 20 verschiedene Winkelstücke vor, die zu einer Gelenkkette aneinandergekoppelt werden können.

13 Aufbau einer Gelenkkette mit Rechteckaussparung

14 Quaternäre Kodierung Gelenkwinkel

15 Von der quaternären Kodierung in der Biologie mit den vier Symbolen T, C, A, G T T T Phenylalanin T T C Phenylalanin T T A Leucin G G G Glycin zur binären Kodierung der genetische Algorithmen mit den Symbolen 0, Grad-Winkel Grad-Winkel Grad-Winkel Grad-Winkel

16 + Crossing over der Chromosomen Vorbild für den genetischen Algorithmus

17 GA-Operation

18 ,58 1,97 0,22 1, Rek Σ 1170 Σ 4Σ 4 Σ 4Σ 4 Genetischer Algorithmus Σ 1754 Q Q Normieren Runden 1 selten: Mutation ! 324 Σ

19 Was nutzt es, wenn wir die informationsverarbeitenden Regeln des genetischen Systems gewissenhaft in die Technik transferieren, wenn in beiden Welten verschieden gezählt wird.

20 Ars addendi X I V X I I V II X I

21 Mehrdeutige Abbildung Ursache - Wirkung

22 Die Zahl 2006 Im monoton steigenden Dezimal-Stellenwert-Code 2006 = 2· · · ·10 0 Im monoton steigenden Binär-Stellenwert-Code = 1· · · · · · · · · · ·2 0 In einem alternierenden Binär-Stellenwert-Code = 1· · · · · · · · · · ·2 5

23 Zerstörung einer starken Kausalität GA

24 Code-Welten = Knitterwelten Stab 1 ist eintausendzweiundzwanzig Millimeter lang Stab 2 ist eintausenddreiundzwanzig Millimeter lang Stab 3 ist eintausendvierundzwanzig Millimeter lang Stab 1 = 1022 mm Stab 2 = 1023 mm Stab 3 = 1024 mm Stab 1 = mm Stab 2 = mm Stab 3 = mm 1 2 3

25 Binär-Code Gray-Code Knitterärmerer Code

26 Zum Schema-Theorem des GA Das in a zusammen liegende Muster reichert sich in der Population eher an als das gleiche Muster in b a b

27 in Arbeit fertig irrelevant in Arbeit B I N Ä R E Z E I C H E N K E T T E Hoher Stellenwert Mittlerer Stellenwert Niedriger Stellenwert Interpretation der Einstellarbeit an der Zeichenkette als Schrittweitenregelung für den GA Doch Zerstörung der Grob-Fein-Einstellarbeit an den Code -Knitterstellen ! * * )

28 Global-logarithmische Mutationsschrittweitenanpassung Evolutionsfenster Ein analoger Mechanismus in der ES wäre: Abwechseldes Arbeiten mit 5 logarithmisch abgestuften Schrittweiten.

29 If Then Else > > = = = = y y * * * * * * * * y y y y y y y y y y x x x x x x x x + + GP GA Die genetische Programmierung (GP) versucht, neue funktionsfähige Progammstrukturen durch Kreuzen von Programmteilen zu erzeugen und die besseren Programme dann zu selektieren

30 Beispiel für die Lösung eines Farb-Einstellproblems durch Kreuzung (Crossing over) und Selektion

31 Mannigfaltigkeit der Farb-Kombinationen 6 Positionen (Variablen) mit je 5 Schaltstufen (Farben: schwarz, blau, rot, grün, gold) ergeben 5 6 =15625 mögliche Kombinationen Gesucht ist die Kombination SCHWARZ- ROT-GOLD durch Anwendung der Operationen Crossing- over und Selektion

32 Vermehrung, Kreuzung, Selektion 1. Grobe Anpassung Dominanz des Merkmals

33 Vermehrung, Kreuzung, Selektion 2. Verfeinerte Anpassung Dominanz des Merkmals

34 Vermehrung, Kreuzung, Selektion 2. Der letzte Schliff Dominanz des Merkmals

35 Genetische Algorithmen imitieren die Ursache Evolutionsstrategien imitieren die Wirkung im biologischen Vererbungsgeschehen

36 Ende


Herunterladen ppt "Ingo Rechenberg PowerPoint-Folien zur 5. Vorlesung Evolutionsstrategie II Genetische Algorithmen versus Evolutionsstrategie Imitation der Ursache und Imitation."

Ähnliche Präsentationen


Google-Anzeigen