 | Эта статья требует дополнительных ссылок для проверки . ( декабрь 2009 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) |
В компьютерном программировании , генетическое представление является способом представления решений / индивидуумов в эволюционных вычислениях методов. 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 генетике . 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 аллелями . Программист может представлять всех индивидов популяции с использованием двоичного кодирования , перестановочного кодирования , кодирования деревом или любого из нескольких других представлений. [1]
Генетические алгоритмы используют линейные двоичные представления. Наиболее стандартным является массивом битов . Таким же образом можно использовать массивы других типов и структур. Основное свойство, которое делает эти генетические представления удобными, заключается в том, что их части легко выравниваются благодаря фиксированному размеру. Это облегчает простую операцию кроссовера. Представления переменной длины также изучались в генетических алгоритмах , но реализация кроссовера в этом случае более сложна.
Стратегия эволюции использует линейные представления с действительными значениями, например массив реальных значений. Он использует в основном гауссову мутацию и кроссовер смешивания / усреднения.
Генетическое программирование (GP) впервые создало древовидные представления и разработало генетические операторы, подходящие 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 с репрезентацией 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 [ править ]
Ссылки и примечания [ править ]
- ^ Томаш Kuthan и Ян Лански."Генетические алгоритмы сжатия текста по слогам" . 2007. с. 26.
- ^ Представление для адаптивной генерации простых последовательных программ, заархивированное 2004-12-04 в Wayback Machine , Найкл Линн Крамер, Труды Международной конференции по генетическим алгоритмам и их приложениям (1985), стр. 183-187
