Algoritmi genetici - Popolazione
La popolazione è un sottoinsieme di soluzioni nella generazione attuale. Può anche essere definito come un insieme di cromosomi. Ci sono molte cose da tenere a mente quando si ha a che fare con la popolazione GA:
La diversità della popolazione dovrebbe essere mantenuta altrimenti potrebbe portare a una convergenza prematura.
La dimensione della popolazione non dovrebbe essere mantenuta molto grande in quanto può causare un rallentamento di un GA, mentre una popolazione più piccola potrebbe non essere sufficiente per un buon pool di accoppiamento. Pertanto, una dimensione ottimale della popolazione deve essere decisa per tentativi ed errori.
La popolazione è solitamente definita come una matrice bidimensionale di - size population, size x, chromosome size.
Inizializzazione della popolazione
Esistono due metodi principali per inizializzare una popolazione in un GA. Sono -
Random Initialization - Popolare la popolazione iniziale con soluzioni completamente casuali.
Heuristic initialization - Popolare la popolazione iniziale utilizzando un'euristica nota per il problema.
È stato osservato che l'intera popolazione non dovrebbe essere inizializzata utilizzando un'euristica, in quanto può comportare che la popolazione abbia soluzioni simili e una diversità molto ridotta. È stato osservato sperimentalmente che le soluzioni casuali sono quelle che portano la popolazione all'ottimalità. Pertanto, con l'inizializzazione euristica, ci limitiamo a seminare la popolazione con un paio di buone soluzioni, riempiendo il resto con soluzioni casuali piuttosto che riempire l'intera popolazione con soluzioni basate su euristiche.
È stato anche osservato che l'inizializzazione euristica in alcuni casi influisce solo sull'idoneità iniziale della popolazione, ma alla fine è la diversità delle soluzioni che porta all'ottimalità.
Modelli di popolazione
Esistono due modelli di popolazione ampiamente utilizzati:
Stato stazionario
Nello stato stazionario GA, generiamo uno o due discendenti in ogni iterazione e sostituiscono uno o due individui dalla popolazione. Un GA a stato stazionario è anche noto comeIncremental GA.
Generazionale
In un modello generazionale, generiamo "n" discendenti, dove n è la dimensione della popolazione, e l'intera popolazione viene sostituita dalla nuova alla fine dell'iterazione.