Genetyczne reprezentacja - Genetic representation
W programowaniu komputerowym , reprezentacja genetyczna jest sposobem przedstawiania rozwiązań / osób w obliczeń ewolucyjnych metod. Reprezentacja genetyczny może kodować wygląd, zachowanie, fizyczne cechy osobników. Projektowanie dobrą reprezentację genetyczny, który jest wyrazisty i evolvable jest trudny problem obliczeń ewolucyjnych. Różnica w reprezentacji genetycznych jest jednym z głównych kryteriów rysując linię pomiędzy znanymi klasami obliczeń ewolucyjnych.
Terminologia często przychodzi przez analogię z naturalnych genetyki . Blok pamięci komputerowej, która reprezentuje jedno rozwiązanie kandydata nazywa się jednostka. Dane w tym bloku jest nazywany chromosom. Każdy chromosom składa się z genów. Możliwe wartości danego genu nazywamy allelami . Programista może reprezentować wszystkich osobników populacji za pomocą kodowanie binarne , kodowanie permutational , kodowanie przez drzewa lub jeden z kilku innych przedstawień.
Algorytmy genetyczne użyciu liniowych reprezentacje binarnych. Najbardziej standardowym jest szereg bitów . Tablice innych typów i konstrukcji mogą być stosowane w zasadzie w ten sam sposób. Główną właściwością, która czyni te genetyczne reprezentacje wygodne, że ich części są łatwo wyrównane ze względu na stałą wielkość. Umożliwia to proste działanie zwrotnicy. Zmienna długość reprezentacje również badane w algorytmach genetycznych , ale realizacja zwrotnicy jest bardziej złożony w tym przypadku.
Rozwój strategii wykorzystuje liniową wartościach rzeczywistych reprezentacji np tablicy wartości rzeczywistych. Używa głównie Gaussa mutację i mieszanie / uśredniania crossover.
Programowanie genetyczne (GP) jest pionierem drzewiastej reprezentacje i opracowany operatory genetyczne odpowiednie dla takich przedstawień. Drzewiastej reprezentacje są wykorzystywane w GP do reprezentowania i rozwijać programy funkcjonalne o pożądanych właściwościach.
Human oparte algorytm genetyczny (HBGA) oferuje sposób, aby uniknąć rozwiązywania problemów twardych reprezentacji poprzez outsourcing wszystkich operatorów genetycznych na działanie czynników zewnętrznych, w tym przypadku ludzi. Algorytm ten zastosowano bez potrzeby znajomości danej ustalonej reprezentacji genetycznej tak długo jak nie ma wystarczającej liczby czynników zewnętrznych zdolny do przetwarzania tych uwag, co pozwala na swobodny i rozwija reprezentacje genetyczne.