Algoritmo genético
<< Click to Display Table of Contents >> Algoritmo genético |
En pocas palabras, el Algoritmo Genético intenta encontrar el conjunto de parámetros más óptimo para una estrategia. No lo hace probando la fuerza bruta de cada combinación individual como lo hace el método de optimización predeterminado, sino que utiliza el concepto de teoría evolutiva tomado de la biología, donde solo los padres más aptos (combinados con mutación y cruce) producen hijos para la próxima generación. A través de las pruebas de varias generaciones, debería haber reducido los parámetros más óptimos y, por lo tanto, ahorrarle tiempo al tener que probar cada combinación de parámetros.
Comprender el algoritmo genético
Visión generalLa idea general de cómo la AG resuelve un problema de optimización es análoga al concepto de cómo la evolución a través de la selección natural adapta una especie al medio ambiente. En biología, solo los individuos más fuertes podrán reproducirse y transmitir sus genes superiores a la próxima generación. Asumiendo que cada generación solo puede transmitir los genes más fuertes, después de varias iteraciones nos quedaríamos con los atributos óptimos para el medio ambiente. A través de este mismo mecanismo, el GA probará un preajuste aleatorio de sus parámetros. A través de múltiples generaciones de pruebas, los parámetros se centrarán en una solución óptima.
Cómo calcula el GAEl GA determina su solución a través de los siguientes pasos:1.Comience con un tamaño de población inicial que consiste en individuos seleccionados al azar (combinaciones de configuración de parámetros) 2.Calcule el estado físico (Optimizar en ...) para cada individuo en la población y asigne probabilidades a la población en función de los resultados de estado físico. Los resultados más aptos tienen más probabilidad de ser seleccionados para la reproducción de la próxima generación. 3.Genere una nueva población para la próxima generación seleccionando individuos de la generación anterior para producir descendencia por cruce y mutación (ver más abajo) 4.Repita desde el paso 2 hasta llegar al número de generaciones en su prueba Cruzado y MutaciónCrossover es el proceso para generar descendencia que no es 100% idéntica a sus padres. Se realiza tomando la mitad de la configuración de parámetros del padre A y mezclándola con la otra mitad del padre B. El cruce permite que GA pruebe diferentes combinaciones de parámetros y perfeccione la solución óptima. Sin embargo, el crossover solo eventualmente producirá descendientes idénticos en la población a través de varias generaciones y, por lo tanto, a través de la mutación, algunas configuraciones de parámetros aleatorios se intercalarán en algunos de los descendientes para permitir una calidad adaptativa al algoritmo. |
Comprender los parámetros del algoritmo genético
Consulte el artículo "Optimizar una estrategia" para saber cómo ejecutar una optimización.
Cuando seleccione el optimizador genético, verá las siguientes propiedades de optimización después de hacer clic con el botón izquierdo en el triángulo a la izquierda de "GO Properties" para expandir las propiedades.
|