Upload
abukvic
View
761
Download
5
Embed Size (px)
DESCRIPTION
Kolegij Otkrivanje znanja u podacima. Kako se koriste genetski algoritmi u informatici.
Citation preview
Genetski algoritmi
Kolegij: Otkrivanje znanja u podacimaStudent: Antonio Bukvić (Informacijski i komunikacijski sustavi)
U Rijeci, 13. 01. 2012.
2
SADRŽAJ
1. Uvod2. Povijest3. Optimizacija4. Kako rade
4.1. Genetika na računalima4.2. Selekcija4.3. Križanje4.4. Mutacije
5. Ostali pojmovi genetskih algoritama6. Korištenje genetskih algoritama za optimizaciju resursa7. Razvoj rješenja za modeliranje odgovora8. Primjena na neuronskim mrežama9. Zaključak10. Literatura
3
1. Uvod
temelje se na analogiji s biološkim procesima cilj je povećavanje "prilagodbe" pojedinca vjerojatnost igra značajnu ulogu optimizacija problema
4
2. Povijest
krajem 1950-ih, biolozi i računalni znanstvenici
1960-ih, prof John Holland sa Sveučilišta u Michiganu
1967. J.D. Bagley 1970-ih, prof Holland razvija teoretske
temelje
5
3. Optimizacija
Značajke: set parametara - genomi funkcija prilagodbe skup ograničenja u parametrima
Cilj je pronaći parametre koji maksimiziraju ili minimiziraju funkciju prilagodbe, u skladu s ograničenjima
Simplex metoda
6
4. Kako rade4.1. Genetika na računalima
f(p)=31p-p^2, 0 =< p =< 31
Parametar p izražava se kao niz od 5 bita
15 i 16 –> 01111 i 10000
7
4.1. Genetika na računalima
Koraci evolucije:2. Identificirati genom i funkciju prilagodbe. 3. Stvoriti početne generacije genoma. 4. Izmjena početne populacije primjenom operatora genetskih algoritama (selekcije,
križanja i mutacije).5. Ponoviti korak 3 sve dok se prilagodba populacije više ne unapređuje.
• prosječna prilagodba 122,5 (max 240)
8
4.2. Selekcija
čuva broj stanovnika stalnim i povećava prilagodbu sljedeće generacije
9
4.2. Selekcija
• 122,5 na 151,0
10
4.3. Križanje
stvara dva nova genoma iz dva postojećih lijepljenjem zajedno komade svakog od njih
1 0 | 1 1 0 - p = 220 0 | 0 1 0 - p = 2 Nakon križanja1 0 | 0 1 0 - p =180 0 | 1 1 0 - p = 6
11
4.3. Križanje
• sa 151,0 na 183,0
12
4.4. Mutacije
rezultat je krivo kodiranog genetskog materijala omogućuje da se pojave značajke koje možda nisu u izvornom
stanovništvu
stopa je vrlo mala - ne više od jedne mutacije po generaciji
13
4.4. Mutacije
• sa 183,0 na 160,0
14
4.4. Mutacije
Dobiveni genomi izvan početnih intervala ograničenja
Kada određeni uzorak bitova nema smisla, onda funkcija prilagodbe treba vratiti vrlo niske vrijednosti, tako da uzorak ne bi prošao na buduće generacije
15
5. Ostali pojmovi genetskih algoritama
Shema - uzorak prisutnih genoma (0,1,*) npr. 1 0 * *
Red sheme - broj fiksnih pozicija koje sadrži npr. red 1*10111 je 6, od 1010***** 1 je 5, a od 0******* je 1
Duljina sheme - udaljenost između najudaljenijih fiksnih pozicijanpr. duljina od 1*10111 je 6 (računajući od lijevog, 7 - 1), od
***1010**1 je 6 (10 - 4) i od 0************** je 0 (1 - 1)
16
5. Ostali pojmovi genetskih algoritama
17
6. Korištenje genetskih algoritama za optimizaciju resursa
raspoređivanje resursa uz širok raspon ograničenja podijela 40 medicinskih zaposlenika na razne dužnosti u
ambulanti Kriteriji: klinika mora imati osoblje u svakom trenutku. klinika mora imati ravnotežu između jednogodišnjih, dvogodišnjih i trogodišnjih
zaposlenika. trogodišnji zaposlenici pregledavaju osam pacijenata dnevno, dvogodišnji
zaposlenici pregledavaju šest, a jednogodišnji zaposlenici, četiri.
Dr. Ewen – početak(130 do 140 ), kraj 21
18
7. Razvoj rješenja za modeliranje odgovora
Zrakoplovna kompanija – pritužbe putnika
19
7. Razvoj rješenja za modeliranje odgovora
•Nakon nekoliko desetaka tisuća generacija, konačni model je bio u mogućnosti ispravno klasificirati 85 posto zapisa
20
8. Primjena na neuronskim mrežama
21
9. Zaključak
GA ovise o genomu i funkciji prilagodbe Proces evolucije počinje nasumičnom
populacijom, a zatim primjenjuje tri koraka transformacije (selekcija, križanje i mutacija).
Primijenjuju se na praktične probleme, često na probleme optimizacije resursa
22
10. Literatura
Data Mining Techniques For Marketing, Sales, and Customer Relationship Management Second Edition, Michael J.A. Berry, Gordon S. Linoff