Algoritmo genético
<< Click to Display Table of Contents >> Algoritmo genético |
Muito simplesmente, coloque as tentativas do Algoritmo Genético para encontrar o melhor conjunto de parâmetros para uma estratégia. Ele faz isso não pela força bruta testando cada combinação individual como o método de otimização padrão faz, mas usando o conceito de teoria evolutiva emprestado da biologia onde apenas os pais mais aptos (combinados com mutação e cruzamento) produzem filhos para a próxima geração. Através do teste de várias gerações, você deve ter reduzido os parâmetros mais ideais e, assim, economizar tempo de ter que testar cada combinação de parâmetros.
Entendendo o Algoritmo Genético
Visão globalA idéia geral de como o GA resolve um problema de otimização é análoga ao conceito de como a evolução via seleção natural adapta uma espécie ao ambiente. Em biologia, apenas os indivíduos mais fortes serão capazes de reproduzir e transmitir seus genes superiores para a próxima geração. Assumindo que cada geração possa transmitir apenas os genes mais fortes, após várias iterações, ficaríamos com os atributos ótimos para o ambiente. Por meio desse mesmo mecanismo, o GA testará uma predefinição aleatória de seus parâmetros. Através de múltiplas gerações de testes, os parâmetros irão se concentrar em uma solução ótima.
Como o GA calculaO GA determina sua solução através das seguintes etapas:1.Comece com um tamanho inicial da população que consiste em indivíduos selecionados aleatoriamente (combinações de configuração de parâmetros) 2.Calcule a aptidão (Otimizar em ...) para cada indivíduo na população e atribua probabilidades à população com base nos resultados de aptidão. Resultados mais adequados têm maior probabilidade de serem selecionados para a reprodução da próxima geração. 3.Gere uma nova população para a próxima geração, selecionando indivíduos da geração anterior para produzir descendentes por meio de cruzamento e mutação (veja abaixo) 4.Repita a partir do passo 2 até atingir o número de gerações no seu teste Crossover e MutaçãoCrossover é o processo de geração de descendentes que não são 100% idênticos aos seus pais. Isso é feito tomando metade das configurações de parâmetro do pai A e misturando-o com a outra metade do pai B. O Crossover permite que o GA teste combinações diferentes de parâmetros e aprimore a solução ótima. No entanto, o cruzamento sozinho produzirá descendentes idênticos na população ao longo de várias gerações e, assim, através da mutação, algumas configurações de parâmetros aleatórios serão inseridas em alguns dos descendentes para permitir uma qualidade adaptativa ao algoritmo. |
Compreendendo os parâmetros do Algoritmo Genético
Consulte o artigo "Otimizar uma estratégia" para saber como executar uma otimização.
Ao selecionar o otimizador Genetic, você verá as seguintes propriedades de otimização depois de clicar no triângulo à esquerda de "Propriedades do GO" para expandir as propriedades.
|