งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

Introduction to EC, GA, GP Dr.Yodthong Rodkaew. Darwin ชาลส์ ดาร์วิน ( อังกฤษ : Charles Darwin ) (12 ก. พ. 2351 – 19 เม. ย. 2425) เป็นนักธรรมชาติ วิทยาชาวอังกฤษ.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "Introduction to EC, GA, GP Dr.Yodthong Rodkaew. Darwin ชาลส์ ดาร์วิน ( อังกฤษ : Charles Darwin ) (12 ก. พ. 2351 – 19 เม. ย. 2425) เป็นนักธรรมชาติ วิทยาชาวอังกฤษ."— ใบสำเนางานนำเสนอ:

1 Introduction to EC, GA, GP Dr.Yodthong Rodkaew

2 Darwin ชาลส์ ดาร์วิน ( อังกฤษ : Charles Darwin ) (12 ก. พ – 19 เม. ย. 2425) เป็นนักธรรมชาติ วิทยาชาวอังกฤษ ผู้ทำการปฏิวัติ ความเชื่อเดิม ๆ เกี่ยวกับที่มาของ สิ่งมีชีวิต และเสนอทฤษฎีซึ่งเป็น ทั้งรากฐานของทฤษฎี วิวัฒนาการสมัยใหม่ ( Evolutionary Theory ) และหลักการ พื้นฐานของกลไกการคัดเลือก โดยธรรมชาติ (natural selection). เขาตีพิมพ์ข้อเสนอ ของเขาในปี พ. ศ ( ค. ศ. 1859) ในหนังสือชื่อ " The Origin of Species " ( กำเนิดของสรรพชีวิต ), ซึ่งเป็นผลงานที่มีชื่อเสียงที่สุด ของเขา. การเดินทางออกไปยัง ท้องทะเลทั่วโลกกับเรือบีเกิล ( HMS Beagle ) และโดยเฉพาะการ เฝ้าสำรวจที่หมู่เกาะกาลาปา กอส เป็นทั้งแรงบันดาลใจ และ ให้ข้อมูลจำนวนมาก ซึ่งเขา นำมาใช้ในทฤษฎีของเขา เกี่ยวกับความหลายหลายของสิ่ง มีชีวติ – DARWINIAN = ผู้เชื่อ สนับสนุนในเรื่องของดาร์วิน อังกฤษ12 ก. พ เม. ย.2425นักธรรมชาติ วิทยาชาวอังกฤษทฤษฎี วิวัฒนาการnatural selection พ. ศ. 2402กาลาปา กอส src: wikipedia

3

4 christdefense.com © Copyright Glencoe McGraw-Hill, 2003

5

6 Survival of the fittest Darwin's Evolution slogan "The fittest survial" natural selection การคัดเลือกตามธรรมชาติ = อะไรที่ปรับตัวเข้ากับสภาพแวดล้อมได้เหมาะสม กว่า ก็จะอยู่รอดจนมีลูกหลานสืบต่อไปได้natural selection The fittest survial ผู้ที่เหมาะสมที่สุดจึงจะอยู่ ต่อไป เข้มแข็งอยู่รอด อ่อนแอต้องตาย newer slogan "hit first, ask question later" evolve slogan "hit first, ask question never!"

7 Example — Darwin's Evolution slogan"The fittest survial" Examples — Giraffs long neck, fitter!

8 Evolutionary Compuation (EC) EC = การคำนวณเชิงวิวัฒน์ Evolutionary techniques mostly involve metaheuristic optimization algorithms such as:metaheuristicoptimization algorithms ** evolutionary algorithms (comprising genetic algorithms, evolutionary programming, evolution strategy, genetic programming and learning classifier systems)evolutionary algorithmsgenetic algorithms evolutionary programmingevolution strategygenetic programminglearning classifier systems ** swarm intelligence (comprising ant colony optimization and particle swarm optimization)swarm intelligenceant colony optimization particle swarm optimization and in a lesser extent also: self-organization such as self-organizing maps,self-organizationself-organizing maps differential evolution artificial life (also see digital organism)artificial lifedigital organism cultural algorithms harmony search algorithmharmony search artificial immune systems Learnable Evolution Model

9 Evolutionary Algorithms (EA) EA = ขั้นตอนวิธีเชิงวิวัฒน์ Evolutionary algorithmsEvolutionary algorithms form a subset of evolutionary computation in that they generally only involve techniques implementing mechanisms inspired by biological evolution ( การวิวัฒนาการทางชีววิทยา ) such as biological evolution –reproduction การคัดลอกreproduction –mutation การผ่าหล่าmutation –recombination (or CROSSOVER ) การผสมข้ามพันธุ์recombination –natural selection การคัดเลือกตามธรรมชาติnatural selection and survival of the fittest เข้มแข็งอยู่รอด อ่อนแอต้องตายsurvival of the fittest

10 Genetic Algorithm (GA) Universal Problem Solver — Parameter Tuning — Search Space — Assist with other algorithms — Darwin's Evolution slogan"The fittest survial" Genetic Operators: ตัวปฎิบัติการเชิงพันธุ์กรรม -Reproduction -Crossover -Mutation David E. Goldberg

11 Genetic Algorithm (GA) GA — Individuals random generation Genetic Operator Fitness Function new generation next generation, replace all idv, do it again and again bad idv pick the best idv to use

12 Genetic Algorithm (GA) Genetic Operator (GenOp) — Reproduction (Copy the best) — Mutation — Crossover Idv#1 Chromosome XXXXXXXXX Idv#2 Chromosome YYYYYYYYY Idv#3 Chromosome XXXXXYYYY Idv#4 Chromosome YYYYYXXXX crossovermutation Idv#5 Chromosome XXXXXXXXX Idv#6 Chromosome XXXXGXXXX

13 Natural Selection การคัดสรรทางธรรมชาติ ประชากร แต่ละตัวจะมีค่าความเหมาะสม ( ค่าความดี หรือ fitness) โอกาสที่จะถูกสุ่มเลือกจะขึ้นอยู่กับค่าความดี ของประชากรนั้นๆ โดยทั่วไปใน EC ใช้การสุ่มเลือกแบบ วงล้อรู เล็ต (roulette wheel)

14 roulette wheel selection แต่ละช่องของวงล้อ แทนประชากรแต่ละตัว ประชากรแต่ละตัว มีสิทธิ์ถูกเลือก เมื่อลูกรูเล็ต ตกลงในช่องนั้นๆ ขนาดความกว้างของช่องรูเล็ตแต่ละช่องจะมี ขนาดไม่เท่ากัน ตัวที่ดีกว่าจะมีช่องว่างกว้างกว่า โอกาสถูกเลือกมากกว่า fit =5 fit =3

15 A Simple Problem in GA 1 Max Problem ให้จำนวนบิตสตริงความยาว n = 5 จำนวนประชากร 6 ตัว ให้หาว่าตัวไหนดีที่สุด กำหนดให้ fitness function ของปัญหานี้ คือ – ถ้ามีเลข 1 เพิ่ม 1 คะแนนให้ idv นั้น – ถ้ามีเลข 0 ไม่คิดคะแนนสำหรับ idv นั้น

16 ขั้นตอน 1 สุ่ม idv มาจำนวน 6 ตัว ขั้นตอน 2 คำนวณ fitnest แต่ละตัว = fit = fit = fit = fit = fit = fit 3 กำหนดให้ fitness function ของปัญหานี้ คือ ถ้ามีเลข 1 เพิ่ม 1 คะแนนให้ idv นั้น ถ้ามีเลข 0 ไม่คิดคะแนนสำหรับ idv นั้น

17 ขั้นตอน 2 คำนวณ fitnest แต่ละตัว = fit = fit = fit = fit = fit = fit 3 ขั้นตอน 3 ผ่าน genetic operator reproduction 10 % mutation 10% crossover 80 % ขั้นตอน 3.1 reproduction 10 % เลือกตัวที่ดีที่สุด 1 ตัว = fit 3 ขั้นตอน 3.2 mutation 10% สุ่มเลือก 1 ตัว มาสุ่มเปลี่ยน = fit 2  เปลี่ยน ขั้นตอน crossover 80% สุ่มเลือกครั้งละ 2 ตัว มาสลับ 00|101 = fit 2 11|000 = fit 2  00|000, 11|101 ขั้นตอน crossover 80% สุ่มเลือกครั้งละ 2 ตัว มาสลับ 1000|0 = fit |0 = fit 1  1000|0, 0001|0

18 ขั้นตอน 4 นำผลลัพธ์ที่ได้มารวมกันเป็น generation ใหม่ ( จาก reproduction) ( จาก mutation) ( จาก crossover) 00|000 11| |0 0001|0 จากนั้นกลับไปขั้นตอน 2 คือคำนวณ fitness แต่ละตัว ขั้นตอน 2 ของรุ่น = fit = fit = fit = fit = fit = fit 1 สมมติว่าเลือก = fit = fit 4 มา crossover กัน 001|11 cross 111|01 ได้ 001|01, 111|11 ตัวที่ดีที่สุด คือ คำตอบ

19 symbolic regression ปัญหา คือ ต้องการหาสมการที่สามารถอธิบาย กราฟที่กำหนดให้ GA ช่วยได้ กำหนดให้ y = f(x) = ax 5 +bx 4 +cx 3 +dx 2 +ex แล้วให้ idv = (a,b,c,d,e) แต่ละตัวเป็น float x y

20 symbolic regression y = f(x) = ax 5 +bx 4 +cx 3 +dx 2 +ex เมื่อ idv = (a,b,c,d,e) แต่ละตัวเป็น float เช่น (0.5, 0.1, 0.2, 0.7,0.4) mutation เป็นการเพิ่มลดค่าโดยการสุ่ม เช่น (0.5, 0.1, 0.3, 0.7,0.4) crossover เป็นการสลับตำแหน่งเหมือนเดิม เช่น (0.5, 0.1, 0.2, | 0.7,0.4) cross (0.3, 0.4, 0.5,| 0.1,0.2) จะได้ (0.5, 0.1, 0.2, | 0.1,0.2) และ (0.3, 0.4, 0.5,| 0.7,0.4) fitness function เปรียบเทียบกราฟที่ได้จากสมการ กับกราฟที่ต้องการ และหา error ระหว่างค่า f(x) กับ f"(x) x y f(x) กราฟที่ต้องการ f"(x) กราฟจาก idv

21 Genetic Programming (GP) Tree structure crossover mutation John R.Koza

22 Robot Arm Planning Problem example 1 idv in GP

23 target

24 Creation of a Soccer-Playing Program that Won its First Two Games in the Robo-Cup 1997 Competition

25 Synthesis of a NAND Circuit


ดาวน์โหลด ppt Introduction to EC, GA, GP Dr.Yodthong Rodkaew. Darwin ชาลส์ ดาร์วิน ( อังกฤษ : Charles Darwin ) (12 ก. พ. 2351 – 19 เม. ย. 2425) เป็นนักธรรมชาติ วิทยาชาวอังกฤษ.

งานนำเสนอที่คล้ายกัน


Ads by Google