genetic algorithm 예제

유전 알고리즘은 구현하기 가 간단하지만, 그들의 행동은 이해하기 어렵다. 특히 이러한 알고리즘이 실질적인 문제에 적용될 때 높은 체력의 솔루션을 생성하는 데 성공하는 이유를 이해하기가 어렵습니다. 빌딩 블록 가설 (BBH)으로 구성: 로봇 공학 분야에서 유전 알고리즘의 사용은 매우 크다. 사실, 유전 알고리즘은 인간으로 행동하고 우리의 식사를 요리, 우리의 세탁 등을 할 같은 작업을 수행 할 학습 로봇을 만드는 데 사용되고있다. 유전 알고리즘은 찰스 다윈의 자연 진화 이론에서 영감을 얻은 검색 휴리스틱입니다. 이 알고리즘은 다음 세대의 자손을 생산하기 위해 가장 적합한 개인이 재생을 위해 선택되는 자연 선택 과정을 반영합니다. 1980년대 후반, 제너럴 일렉트릭은 산업 공정을 위해 설계된 메인프레임 기반 툴킷인 세계 최초의 유전자 알고리즘 제품을 판매하기 시작했습니다. [46] 1989년, Axcelis, Inc.는 데스크톱 컴퓨터를 위한 세계 최초의 상용 GA 제품인 Evolver를 출시했습니다. 뉴욕 타임즈 기술 작가 존 마크로프는 1990년에 Evolver에 대해 [47]을 썼으며, 1995년까지 유일한 대화형 상업용 유전자 알고리즘으로 남아 있었습니다. [48] Evolver는 1997년에 팔리세이드에 판매되어 여러 언어로 번역되었으며 현재 6번째 버전입니다. 【49】 아주 좋은 기사.

정말 유전 알고리즘에 깊은 다이빙을 호기심했다. 각각의 새로운 세대는 이전 세대의 개별 (해결책)보다 평균적으로 더 많은 “더 나은 유전자”를 갖는다. 따라서 각 새로운 세대는 이전 세대보다 더 나은 “부분 적 해결책”을 가지고있다. 자손이 이전 인구에 의해 생성 된 자손보다 유의한 차이가 없는 생산되면, 인구는 수렴된다. 알고리즘은 문제에 대한 솔루션 집합으로 수렴한다고 합니다. 그의 알고리즘 설계 매뉴얼에서 Skiena는 모든 작업에 대한 유전 알고리즘에 대해 조언합니다 : 유전 알고리즘을 사용하여이 문제를 해결하기 위해 첫 번째 단계는 인구를 정의하는 것입니다. 그래서 우리의 인구는 각각 염색체의 그들의 자신의 세트를 가진 개별을 포함할 것입니다. 마지막으로, 마지막으로: 코딩 게임.

그것은 일반적인 열정 “AI”주위에 개발의 많은 연결하는 플랫폼입니다. 매달 1주일간의 긴 경연대회가 열리는데, 이 경연대회는 최고의 인공 지능을 만들어야 합니다.