Gli algoritmi genetici sono una tecnica di programmazione che gli informatici hanno imparato dalla natura. Natura progetta belle soluzioni vegetali e animali a problemi difficili con mezzi meccanici rigorosamente senza direzioni intelligenti. Gli algoritmi genetici possono trovare la risposta ottimale ai problemi di progettazione difficili, quando non avete idea di come procedere. Gli unici vincoli necessari sono che è necessario disporre di un problema di ottimizzazione e che le soluzioni possono essere descritti con una stringa di numeri.

istruzione

1 Progettare una stringa di numeri che descrive una soluzione al vostro problema. Progettare una funzione che può valutare queste stringhe; data una stringa, questa funzione può dire quanto è buono la stringa è come una risposta al vostro problema. Ad esempio, la stringa può essere un elenco di misurazioni dell'interno di una pompa turbo motore a razzo. La funzione sarebbe un calcolo della spinta da una camera con queste misurazioni. La stringa potrebbe essere anche le percentuali di acqua, sabbia, cemento e ghiaia che costituiscono una miscela di cemento sottomarino.

2 Scrivere un programma per computer che si evolve verso le corde di ottimizzazione. Inizia con una popolazione di stringhe in cui tutti i numeri nelle stringhe sono stati scelti a caso. A "generazione" consiste nel valutare tutte le corde della "popolazione" e scartando le corde con i valori più bassi. Le corde con le più alte valutazioni continueranno nella prossima generazione. Una mescolanza casuale delle stringhe di alta preformatura renderà anche alla generazione successiva. Alcune di queste stringhe dovranno mutazioni casuali per uno dei numeri nella stringa. Questo processo viene ripetuto per diverse generazioni. Il numero di stringhe in ogni generazione è la stessa.

3 Trova l'algoritmo genetico minima eseguendo la soluzione con uno dei numeri mancanti. Se ci sono numeri "n" in una stringa, questo significa esecuzione "n" diverse popolazioni uno con ciascuno dei numeri mancanti. Se le stringhe più corte hanno ancora la stessa valutazione alta, eseguire le popolazioni più brevi fino a trovare la stringa più breve che lavorerà per il problema specifico. Per il problema concreto, questo sarebbe dire se si può lasciare fuori uno degli ingredienti.

Consigli e avvertenze

• Maggiore è la popolazione è la più probabile è che troverete la stringa ottimale.
• Più grande è la popolazione, più tempo ci vorrà per eseguire il programma. programmi algoritmo genetico sono di solito eseguiti durante la notte.