Генетическое представление - Genetic representation

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, используя двоичное кодирование , пермутационное кодирование , кодирование деревом или любое из нескольких других представлений.

Генетические алгоритмы используют линейные двоичные представления. Наиболее стандартным является массивом битов . По сути, таким же образом можно использовать массивы других типов и структур. Основное свойство, делающее 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 гауссовскую 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.

Генетический алгоритм, основанный на человеке (HBGA), предлагает способ избежать решения сложных проблем представления 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

Ссылки и примечания