อัลกอริทึมทางพันธุกรรม - ประชากร

ประชากรเป็นชุดย่อยของโซลูชันในยุคปัจจุบัน นอกจากนี้ยังสามารถกำหนดเป็นชุดของโครโมโซม มีหลายสิ่งที่ควรคำนึงถึงเมื่อจัดการกับประชากร GA -

  • ควรรักษาความหลากหลายของประชากรมิฉะนั้นอาจนำไปสู่การบรรจบกันก่อนวัยอันควร

  • ไม่ควรรักษาขนาดของประชากรให้ใหญ่มากเพราะอาจทำให้ GA ทำงานช้าลงในขณะที่ประชากรที่มีขนาดเล็กอาจไม่เพียงพอสำหรับการผสมพันธุ์ที่ดี ดังนั้นขนาดของประชากรที่เหมาะสมจึงต้องตัดสินใจโดยการลองผิดลองถูก

โดยปกติประชากรจะถูกกำหนดให้เป็นอาร์เรย์สองมิติของ - size population, size x, chromosome size.

การเริ่มต้นประชากร

มีสองวิธีหลักในการเริ่มต้นประชากรใน GA พวกเขาคือ -

  • Random Initialization - เติมประชากรเริ่มต้นด้วยวิธีการแก้ปัญหาแบบสุ่ม

  • Heuristic initialization - เติมประชากรเริ่มต้นโดยใช้ฮิวริสติกที่ทราบสำหรับปัญหา

มีการสังเกตว่าประชากรทั้งหมดไม่ควรเริ่มต้นโดยใช้ฮิวริสติกเนื่องจากอาจส่งผลให้ประชากรมีวิธีแก้ปัญหาที่คล้ายคลึงกันและมีความหลากหลายน้อยมาก มีการสังเกตในการทดลองว่าโซลูชันแบบสุ่มเป็นวิธีที่ขับเคลื่อนประชากรไปสู่การเพิ่มประสิทธิภาพ ดังนั้นด้วยการเริ่มต้นฮิวริสติกเราเพียงแค่เพาะเมล็ดประชากรด้วยวิธีแก้ปัญหาที่ดีสองสามวิธีเติมส่วนที่เหลือด้วยวิธีการแก้ปัญหาแบบสุ่มแทนที่จะเติมประชากรทั้งหมดด้วยโซลูชันตามฮิวริสติก

นอกจากนี้ยังมีข้อสังเกตว่าการเริ่มต้นฮิวริสติกในบางกรณีมีผลต่อสมรรถภาพเริ่มต้นของประชากรเท่านั้น แต่ในท้ายที่สุดความหลากหลายของวิธีการแก้ปัญหาซึ่งนำไปสู่การมองโลกในแง่ดี

แบบจำลองประชากร

มีการใช้แบบจำลองประชากรสองแบบ -

สถานะคงที่

ใน GA ที่คงที่เราจะสร้างออนสปริงหนึ่งหรือสองครั้งในการวนซ้ำแต่ละครั้งและแทนที่บุคคลหนึ่งหรือสองคนจากประชากร GA แบบคงที่เรียกอีกอย่างว่าIncremental GA.

Generational

ในแบบจำลองทั่วไปเราสร้าง 'n' ออฟสปริงโดยที่ n คือขนาดประชากรและประชากรทั้งหมดจะถูกแทนที่ด้วยค่าใหม่เมื่อสิ้นสุดการวนซ้ำ