Sprawność fizyczna - Fitness function

Funkcja przystosowania to szczególny rodzaj funkcji celu, który służy do podsumowania, jako jednej wartości merytorycznej , jak blisko jest dane rozwiązanie projektowe do osiągnięcia założonych celów. Funkcje sprawności są wykorzystywane w programowaniu genetycznym i algorytmach genetycznych do kierowania symulacjami w kierunku optymalnych rozwiązań projektowych.

Programowanie genetyczne i algorytmy

W szczególności w dziedzinie programowania genetycznego i algorytmów genetycznych każde rozwiązanie projektowe jest zwykle przedstawiane jako ciąg liczb (nazywany chromosomem ). Po każdej rundzie testów lub symulacji chodzi o usunięcie n najgorszych rozwiązań projektowych i wyhodowanie n nowych spośród najlepszych rozwiązań projektowych. Dlatego każdemu rozwiązaniu projektowemu należy przyznać wartość merytoryczną, aby wskazać, jak blisko było spełnienie ogólnej specyfikacji, a jest to generowane przez zastosowanie funkcji dopasowania do wyników testu lub symulacji uzyskanych z tego rozwiązania.

Powodem, dla którego algorytmy genetyczne nie można uznać za leniwy sposób wykonywania prac projektowych, jest właśnie wysiłek włożony w zaprojektowanie działającej funkcji przystosowania. Mimo że nie jest to już człowiek-projektant, ale komputer, który wymyśla ostateczny projekt, nadal to człowiek-projektant musi zaprojektować funkcję fitness. Jeśli jest to źle zaprojektowane, algorytm zbierze się w niewłaściwym rozwiązaniu lub będzie miał trudności z uzyskaniem zbieżności w ogóle.

Funkcja dopasowania powinna nie tylko ściśle korelować z celem projektanta, ale także powinna być wydajna obliczeniowo. Szybkość wykonania jest bardzo ważna, ponieważ typowy algorytm genetyczny musi być wielokrotnie iterowany w celu uzyskania użytecznego wyniku dla nietrywialnego problemu.

Przybliżenie sprawności może być odpowiednie, zwłaszcza w następujących przypadkach:

  • Czas obliczeń sprawności pojedynczego rozwiązania jest niezwykle długi
  • Brakuje precyzyjnego modelu do obliczeń sprawności
  • Funkcja sprawności jest niepewna lub głośna.

Istnieją dwie główne klasy funkcji sprawności: jedna, w której funkcja przystosowania się nie zmienia, jak w przypadku optymalizacji stałej funkcji lub testowania ze stałym zestawem przypadków testowych; i taki, w którym funkcja dopasowania jest zmienna, jak w przypadku różnicowania niszowego lub współewoluowania zestawu przypadków testowych.

Innym sposobem patrzenia na funkcje fitness jest krajobraz sprawności , który pokazuje dopasowanie każdego możliwego chromosomu.

Definicja funkcji przystosowania nie jest w wielu przypadkach prosta i często jest wykonywana iteracyjnie, jeśli najlepiej dopasowane rozwiązania wygenerowane przez algorytmy genetyczne nie są tym, co jest pożądane. Interaktywne algorytmy genetyczne rozwiązują tę trudność, zlecając ocenę zewnętrznym agentom, którymi zwykle są ludzie.

Zobacz też

Bibliografia

Linki zewnętrzne