7

के बीच अंतर मैं जेनेटिक प्रोग्रामिंग के बारे में एक स्लाइड पढ़ रहा हूं। इस स्लाइड में, यह कहा गया है कि किसी भी स्पष्टीकरण के बिना Roulette, Rank या Tournament जैसे चयन चरण में कुछ विधियां हैं। मैंने Google की कोशिश की लेकिन कहीं भी इन शर्तों के बारे में स्पष्ट रूप से नहीं कहता है।जेनेटिक प्रोग्रामिंग: रूले रैंक और टूर्नामेंट चयन

कृपया मुझे बताओ कि उन दोनों के बीच अंतर है।

उत्तर

18

रूलेट व्हील चयन (उर्फ Fitness proportionate selection)

फिटनेस प्रत्येक व्यक्ति के लिए चयन की एक संभावना संबद्ध करने के लिए प्रयोग किया जाता है।

मैं आबादी में अलग-अलग मैं की फिटनेस है, तो चयनित होने के अपने संभावना है:

पी मैं = च मैं जे ( च जे) जे = 1 और नरक के लिए; एन

यह रौलेट व्हील कहा जाता है, क्योंकि यह एक कैसीनो में एक रूले पहिया के रूप में देखा जा सकता है (एन आबादी में व्यक्तियों की संख्या है):

enter image description here

इस का पालन करते हुए नकली जा सकता है (अनुभवहीन) कलन विधि:

  1. आबादी में सभी fitnesses की राशि की गणना (योग S)।
  2. अंतराल [0 में एक यादृच्छिक संख्या r उत्पन्न; एस]।
  3. जनसंख्या और योग fitnesses का अध्ययन करें। जब योग एस आर से अधिक है, तो उस व्यक्ति को रोकें और वापस करें जहां आप हैं।

संभव कार्यान्वयन के लिए देखें:


रैंक चयन कि चयन संभावना को छोड़कर रौलेट व्हील चयन के समान है रिश्तेदार फिटनेस के लिए आनुपातिक है पेट के बजाय olute फिटनेस।

इससे कोई फर्क नहीं पड़ता कि सबसे अच्छा उम्मीदवार अगले सबसे अच्छे या 0.001% फिटर की तुलना में दस गुना फिटर है या नहीं। दोनों मामलों में चयन संभावनाएं वही होंगी।

यह सब कुछ अन्य व्यक्तियों के सापेक्ष रैंकिंग है।

रैंक चयन लागू करना आसान है जब आप पहले से रूले व्हील चयन पर जानते हैं। के लिए संभावना के रूप में फिटनेस का उपयोग करने के बजाय आप रैंक का उपयोग करते हैं।तो एन समाधान की आबादी के लिए सबसे अच्छा समाधान हो जाता है रैंक एन, दूसरा सबसे अच्छा रैंक N-1, आदि सबसे खराब व्यक्ति रैंक 1.

(Ranking Selection in Genetic Algorithm code)


है Tournament selection

  1. आबादी (यादृच्छिक) से यादृच्छिक रूप से कुछ व्यक्तियों को चुनें।
  2. क्रॉसओवर के लिए सर्वश्रेष्ठ फिटनेस (विजेता) वाला व्यक्ति चुना जाता है।

जैसा कि आप इसे कोड के लिए सक्षम देख सकते हैं। यह समांतर आर्किटेक्चर पर भी काम करता है और चयन दबाव को आसानी से समायोजित करने की अनुमति देता है (टूर्नामेंट में व्यक्तियों की संख्या बदलना)।

बेशक इन एल्गोरिदम के कई रूप हैं।

एक तुलना आप पढ़ सकता है के लिए:

Comparison of Performance between Different Selection Strategies on Simple Genetic Algorithms (जिंगहुई झोंग, Xiaomin हू, मिन गू, जून झांग - 2005)

+0

विषय के बारे में वास्तव में संपूर्ण और दस्तावेज जवाब! – 5agado

संबंधित मुद्दे