Präsentation herunterladen
Veröffentlicht von:Hrodrick Kappel Geändert vor über 11 Jahren
1
PowerPoint-Folien zur 2. Vorlesung „Evolutionsstrategie II“
Ingo Rechenberg PowerPoint-Folien zur 2. Vorlesung „Evolutionsstrategie II“ Der ES-Fortschritt im Quadrikgebirge und Kalkül der geschachtelten Evolutionsstrategien Weiterverwendung nur unter Angabe der Quelle gestattet
2
Klettern bei starker Kausalität
Suchfeld Experimentator Klettern bei starker Kausalität
3
Klettern bei linearer starker Kausalität
Suchfeld Experimentator Klettern bei linearer starker Kausalität
4
(1 + 1)-ES DARWINs Theorie in maximaler Abstraktion
5
linear Lokales Klettern der Evolutionsstrategie
6
nichtlinear Lokales Klettern der Evolutionsstrategie
7
(1 , l)-ES l = 6 ES mit mehr als einem Nachkommen
8
! j nichtlinear für welches Gebirge ? Die Grundidee
(in einer Dimension) Satz von Funktionen TAYLOR Potenzreihenentwicklung in der MACLAURINschen Form: Alle Funktionen haben dieselbe Form !
9
in n Dimensionen (MACLAURIN Reihe)
TAYLOR-Entwicklung in n Dimensionen (MACLAURIN Reihe) Vektor
10
Hauptachsentransformation =
x2 y2 Die Hauptachsentransformation ist erlaubt, weil die Mutationen rotationssymmetrisch erzeugt werden y1 x1 Hauptachsentransformation = Drehung des Koordinatensystems derart, dass die Kreuzterme wegfallen Minus-Zeichen und alle d k > 0, um lokal konvexe Höhenlinien zu erhalten !
11
Konvergenzmaß „Erfolgswahrscheinlichkeit“
Mutativen Änderungen des Nachkommen Konvergenzmaß „Erfolgswahrscheinlichkeit“ Konstante für n >> 1 Text Text
12
Konstante für n >> 1
13
Erfolgswahrscheinlichkeit
z* Erfolgswahrscheinlichkeit
14
j 2 j 1 N2 N1 E Konvergenzmaß „Fortschrittsgeschwindigkeit“
Universelle Fortschrittsdefinition gradE N2 j 2 N1 j 1 Fortschritt als Höhenlinienprojektion der Nachkommen auf den Gradienten des Elters E
15
N DQ a E j
16
Die mutativen Q-Änderungen
- normalverteilte Zufallszahlen Ergeben die Fortschritte (0, s ) - normalverteilte Zufallszahlen Konstante
17
Konstante (0, s ) - normalverteilte Zufallszahlen
Bei der Erzeugung von l Nachkommen wird die größte Zufallzahl z selektiert Aus Vorlesung ES1
18
W = Komplexität
19
D F = D - 2 Zentrales Fortschrittsgesetz
21
Ließe sich das Vorhandensein eines zusammengesetzten Organs nachweisen, das nicht durch zahlreiche aufeinander folgende geringe Abänderungen entstehen könnte, so müsste meine Theorie zusammenbrechen. Aber ich kenne keinen solchen Fall. Charles Darwin nicht so sondern so
22
Komplexität W für das Kugelmodell
23
Demonstration der Notwendigkeit einer Schrittweitenregelung
24
Erfolgswahrscheinlichkeit
25
F D D W l Schrittweitenadaption D
= 10 0.25 F 0.20 0.15 0.10 D D 0.05 0.1 0.2 0.3 0.4 0.5 W e 0.227 Schrittweitenadaption D über die Erfolgswahrscheinlichkeit
26
1 / 5 Entwicklung der 1/5-Erfolgsregel
27
We > 1/5 We < 1/5 Mutationen Kosmische Strahlung
Biologisch unmöglich
28
Einschätzung des Kletterstils
im Solo- und im Gruppenklettern
29
Mutation der Mutabilität und Vererbbarkeit der Mutabilität
Duplikator DNA Mutation stellt herge Kopie rer Hat Mutation der Mutabilität und Vererbbarkeit der Mutabilität „Knackpunkt“ der Evolutionsstrategie
30
Algorithmus der (1, l ) – Evolutionstrategie mit MSR
31
Entwicklung der Evolutionsstrategie
Darwin Mendel Wright Haldane Fisher Populationsgegentiker m' = Zahl der Eltern-Populationen l' = Zahl der Nachkommen-Populationen m = Zahl der Eltern-Individuen l = Zahl der Nachkommen-Individuen g = Generationen der Isolation g ' = Zahl der Populations-Generationen r' = Mischungszahl Populationen r = Mischungszahl Individuen
32
Spielzeichen für Evolutionsstrategien (1)
Variablensatz Zufallswahl Spielzeichen für Evolutionsstrategien (1) Population Duplikation Rekombination Mutation
33
Spielzeichen für Evolutionsstrategien (2)
Realisation Bewertung Spielzeichen für Evolutionsstrategien (2) Selektion Isolation
34
Kartenspiel: ( ) - ES
35
Kartenspiel: ( ) ] - ES
36
Kartenspiel: ( 1 , 5 ) - ES
37
Kartenspiel: ( 3 , 7 ) - ES
38
Kartenspiel: ( 3 / 2 , 6 ) - ES
39
Kartenspiel: [ 2 , 3 ( 4 , 7 ) ] - ES
40
Kartenspiel: [ 1 , 2 ( 4 , 7 )30 ] - ES
41
Kartenspiel: [ 4 / 3 , 6 ( 5 / 2 , 7 ) ] - ES
42
(1 + 1)-ES DARWINs Theorie in maximaler Abstraktion
43
(1 , l)-ES l = 6 ES mit mehr als einem Nachkommen
44
(m , l)-ES m = 2 l = 7 ES mit mehreren Eltern und Nachkommen
45
(m /r , l)-ES m = 2 r = 2 l = 8 ES mit Mischung der Variablen (Erbanlagen)
46
Die geschachtelte Evolutionsstrategie
Neue Gründerpopulationen Die geschachtelte Evolutionsstrategie
47
Auf dem Weg zu einem evolutionsstrategischen Kalkül
48
, m , l ( 1 + 1 2 ) - gliedrige Wettkampfsituation - ES l > m ! +
Auf dem Weg zu einem evolutionsstrategischen Kalkül , ( m , 1 + + l 1 2 ) - gliedrige Wettkampfsituation - ES l > m !
49
, , m r l m l / / ( ) - ES ( ) - ES 2 Beispiel r = 2
Auf dem Weg zu einem evolutionsstrategischen Kalkül ( m , r / + l ) - ES Beispiel r = 2 , ( m / 2 + l ) - ES Elter liefert nur die Hälfte der Erbinformation
50
, , , m m l m m l m l / / ( ) - ES ( ) - ES ( ) - ES
Zu kompliziert in der Natur aber auf dem Computer möglich Multirekombination: r = m m m , ( / + l ) - ES dominant m m , ( / + l ) - ES intermediär m , ( + l ) - ES intermediär (Abkürzung)
51
, m l ( ) - ES (1+ 6) (1+ 6) (1+ 6) (1+ 6) (1+ 6) (1+ 6) - ES (1+ 6)
Auf dem Weg zu einem evolutionsstrategischen Kalkül g ( m , l + ) - ES Beispiel: (1+ 6) (1+ 6) 4 4 (1+ 6) (1+ 6) (1+ 6) (1+ 6) - ES = = (1+ 6) (1+ 6) (1+ 6) (1+ 6) Die Zahl der Eltern wird fett geschrieben !
52
(1+ 9) = (1+3+3+3) (1+3+3+3) = (10) (1+3+3+3) = (1+9) 1
Zur Kennzeichnung der Eltern in fetter Schrift (1+ 9) = ( ) ( ) = (10) Unsinn ! ( ) = (1+9) 1 Trennung von Eltern und Nachkommen ! ( ) = ( ) 1 d = 4 d = 6 d = 9
53
, m l ( ) - ES (1+ 6) (2+ 6) (3+ 6) (2+ 6) (1+ 6) - ES
Auf dem Weg zu einem evolutionsstrategischen Kalkül m , g ( l + ) - ES Erweiterung: Populationswelle (1+ 6) (2+ 6) (3+ 6) (2+ 6) (1+ 6) - ES
54
, m l ( ) - ES (1, 7) (1, 7) (1, 7) (1, 7) (7, 7) (7, 7) (7, 7)
Auf dem Weg zu einem evolutionsstrategischen Kalkül g ( m , l + ) - ES ES mit Drift-Phase (1, 7) (1, 7) (1, 7) (1, 7) (7, 7) (7, 7) (7, 7) = (1,7)4 (7,7)3 - ES starke Selektion schwache Selektion
55
, m l ( ) - ES (1, 4) (4, 16) (16, 64) (64, 256) (256, 1024) - ES
Auf dem Weg zu einem evolutionsstrategischen Kalkül m , g ( l + ) - ES ES mit Gründer-Phase (1, 4) (4, 16) (16, 64) (64, 256) (256, 1024) - ES
56
Selektion der besten Populationen Zweitbeste Population
Auf dem Weg zu einer evolutionsstrategischen Algebra , m , g m l ( + l ) - ES Beispiel: 2 , 4 (1, 6)8 (1, 6)8 + (1, 6)8 + (1, 6)8 + (1, 6)8 = Selektion der besten Populationen Beste Population Zweitbeste Population
57
, , [ m l m ] l ( ) - ES m' = Zahl der Eltern-Populationen
Auf dem Weg zu einem evolutionsstrategischen Kalkül g g [ m , l ( m , ] + + l ) - ES m' = Zahl der Eltern-Populationen l' = Zahl der Nachkommen-Populationen g ' = Zahl der Populations-Generationen m = Zahl der Eltern-Individuen l = Zahl der Nachkommen-Individuen g = Generationen der Isolation
58
Beispiel für eine algebraische Operation in einer geschachtelten ES
1 1, 2 1, 1 Zwei unterschiedliche Strategien
59
| Familie Gattung { Art [ Varietät ( Individuum ) ] } |
Biologische Entsprechung der Strategie-Schachtelung | Familie Gattung { Art [ Varietät ( Individuum ) ] } |
60
Ende
61
Additionstheorem für (0, s )-normalverteilte Zufallszahlen zk
62
Chiquadrat-Gesetz für n >> 1
Für große n gilt, dass n quadrierte (0, 1) -normalverteilte Zufallszahlen summiert wiederum normalverteilte Zufallszahlen ergeben mit dem Mittelwert n und der Streuung n = Wird immer kleiner im Verlältnis zu n In Erweiterung gilt für den Mittelwert:
Ähnliche Präsentationen
© 2025 SlidePlayer.org Inc.
All rights reserved.