Мне было интересно, знал ли кто-нибудь об источнике, который предоставляет пространства для поиска 2D-модели, чтобы проверить GA против. Я верю, что некоторое время назад я прочитал, что существует множество стандартных поисковых пространств, которые обычно используются при оценке этих типов алгоритмов.Данные для поискового пространства
Если нет, это просто случай случайной генерации этих данных каждый раз?
Редактировать: Вид сверху и сбоку.
пространство поиска полностью зависит от вашей проблемы. Идея генетического алгоритма заключается в том, что модифицировать «геном» популяции индивидуумов для создания следующего поколения, измерять пригодность нового поколения и снова модифицировать геномы с некоторой случайностью, брошенной, состоит в том, чтобы попытаться предотвратить застревание в локальных минимумах , Однако поисковое пространство полностью определяется тем, что у вас есть в вашем геноме, что, в свою очередь, полностью определяется тем, что проблема.
Возможно, существуют стандартные поисковые пространства (то есть геномы), которые, как было установлено, хорошо работают для определенных проблем (я не слышал ни о каком), но обычно самая сложная часть использования GA - это определение того, что у вас есть в вашем геноме и как разрешено мутировать. Полезность исходит из того, что вам не нужно явно объявлять все значения для разных переменных для модели, но вы можете найти хорошие значения (не обязательно лучшие из них), используя более или менее слепой поиск.
ПРИМЕР
Один из примеров используются довольно сильно является усовершенствованной радиоантенной (Wikipedia). Цель состоит в том, чтобы найти конфигурацию для радиоантенны таким образом, чтобы сама антенна была как можно меньше и легка, с ограничением, которое должно реагировать на определенные частоты и иметь низкий уровень шума и т. Д.
Таким образом, вы бы построить свой геном, определяющий
запустите свою ГА, посмотрите, что выйдет на другом конце, проанализируйте, почему это не сработало. У GA есть привычка давать результаты, которых вы не ожидали из-за ошибок в симуляции. Во всяком случае, вы обнаружите, что, возможно, геному необходимо кодировать количество изгибов по отдельности для каждого из проводов в антенне, что означает, что антенна не будет симметричной. Итак, вы положили это в свой геном и снова запустили это. Имитация материала, который должен работать в физическом мире, как правило, самый дорогой, потому что в какой-то момент вам нужно протестировать индивидуалистические (ы) в реальном мире.
Существует разумный учебник по генетическим алгоритмам here с некоторыми полезными примерами о различных схемах кодирования генома.
Последний вопрос, когда люди говорят, что GA просто и легко реализовать, они означают, что структура вокруг GA (генерация нового населения, оценка пригодности и т. Д.) Проста.Что обычно не сказано, так это то, что настройка GA для реальной проблемы очень сложна и обычно требует большого количества проб и ошибок, потому что при разработке схемы кодирования, которая работает хорошо, не просто для сложных проблем. Лучший способ начать - начать просто и сделать вещи более сложными, когда вы идете вперед. Разумеется, вы можете сделать еще одну GA, чтобы получить кодировку для первого GA :).
Существует несколько стандартных эталонных проблем.
Спасибо за ссылки, я проверю их tmrw как im далеко от ПК сегодня. –
поэтому его в основном "нет", то. Итак, когда вы были 1-м тестированием GA, вы просто случайно построили поисковое пространство в excel? –
@HansRudel см. Правки выше. –
Спасибо за редактирование. Да, я уже столкнулся с проблемой кодирования хромосом и решил придерживаться перестановочной кодировки, так как мне показалось, что это легче для моей проблемы. Изменение кроссовера или скорости мутации в моем первом проекте, похоже, не привело к очень разным результатам, поэтому я спрашивал о пространствах поиска, поскольку мой был всего лишь 2-мерным массивом или 37x36 элементами, которые, как предполагается, слишком малы, чтобы наблюдать за какой-либо реальной сложностью в изменении вышеуказанные входы. Согласитесь? –