Генетическое представление - Genetic representation

В компьютерное программирование, генетическое представление способ представления решений / людей в эволюционные вычисления методы. Генетическая репрезентация может кодировать внешний вид, поведение, физические качества людей. Создание хорошего генетического представления, которое было бы выразительным и развивающимся, - сложная проблема в эволюционных вычислениях. Различие в генетических представлениях - один из основных критериев, проводящих линию между известными классами эволюционных вычислений.

Терминология часто аналогична естественной генетика. Блок памяти компьютера, представляющий одно возможное решение, называется индивидуальным. Данные в этом блоке называются хромосомой. Каждая хромосома состоит из генов. Возможные значения того или иного гена называются аллели. Программист может представлять всех людей в популяции, используя двоичное кодирование, перестановочное кодирование, кодирование по дереву, или любое из нескольких других представлений.[1]

Генетические алгоритмы использовать линейные двоичные представления. Самый стандартный - это массив биты. Таким же образом можно использовать массивы других типов и структур. Основное свойство, делающее эти генетические представления удобными, заключается в том, что их части легко выравниваются благодаря фиксированному размеру. Это облегчает простую операцию кроссовера. Представления переменной длины также исследовались в Генетические алгоритмы, но реализация кроссовера в этом случае более сложна.

Стратегия развития использует линейные представления с действительными значениями, например массив реальных значений. Он использует в основном гауссовский мутации и кроссовер смешивания / усреднения.

Генетическое программирование (GP) впервые применили древовидные представления и разработали генетические операторы подходит для таких представлений. Древовидные представления используются в GP для представления и развития функциональных программ с желаемыми свойствами.[2]

Генетический алгоритм на основе человека (HBGA) предлагает способ избежать решения сложных проблем репрезентации путем передачи всех генетических операторов сторонним агентам, в данном случае людям. Алгоритм не нуждается в знании конкретной фиксированной генетической репрезентации до тех пор, пока существует достаточно внешних агентов, способных обрабатывать эти репрезентации, что позволяет создавать произвольные и развивающиеся генетические репрезентации.

Общие генетические представления

Ссылки и примечания

  1. ^ Томаш Кутан и Ян Ланский."Генетические алгоритмы сжатия текста по слогам".2007.стр. 26.
  2. ^ Представление для адаптивного создания простых последовательных программ В архиве 2005-12-04 в Wayback Machine, Найкл Линн Крамер, Труды международной конференции по генетическим алгоритмам и их приложениям (1985), стр. 183-187.