Evolutionäre Algorithmen

DHBW Mannheim [Studiengang Informationstechnik]

DHBW Mannheim [Studiengang Informationstechnik]


H. L.
Diese Lernkarten behandeln evolutionäre Algorithmen auf Universitätsniveau und konzentrieren sich auf die Grundlagen der Codierung, Mutation, Rekombination und Selektion. Sie erklären die Struktur und Funktion von Chromosomen, Individuen und Populationen sowie die Anwendung dieser Prinzipien in der Informatik und Biologie. Die Karteikarten sind ideal für Studierende und Forscher, die sich mit Problemlösungsstrategien und Optimierungsverfahren auseinandersetzen, da sie die theoretischen Konzepte und praktischen Anwendungen dieser Algorithmen vermitteln.
Karten
48
Lernende
2
Sprache
Deutsch
Kategorie
Informatik
Stufe
Universität
Erstellt / Aktualisiert
10.05.2016 / 10.05.2016

Lernkarten

Was ist Evolution?

Verändung vererbbarer Merkmale (Genwerte) einer Population von Lebewesen

Was ist ein Chromosom?

  • kodiert in Form von Genen (Teilstück eines Chromosoms)
  • wird bei der Fortpflanzung kopiert und an die nächste Generation weitergegeben

Was ist Rekombination?

  • Erweiterung der Vielfalt von vererbbaren Merkmalen
  • durch: Verbindung von zwei (oder mehrerer) Individuen

Was ist Mutation?

  • gerichteter Zufallsprozess
  • dabei werden Alternativen/Varianten des vorhandenen Erbguts erzeugt
  • neue Merkmale entstehen

Was ist Selektion?

  • Ergebnis eines Zufallsexperiments
  • bestimmte Merkmale werden vernichtet
  • Selektion bestimmt die Richtung der evolutionären Veränderung

Evolution findet statt, durch ...

... die Genfrequenz --> bestimmt die Häufigkeit der Ausprägung einer Population

Evolutionäre Veränderung geschieht durch zwei Faktoren, nämlich ...

  • Natürliche Selektion --> "survival of the fittest" (unterschiedliche Überlebens- und Reproduktionsrate der Merkmale)
  • Gendrift (zufällig)

Die evolutionäre Veränderung wird durch zwei Faktoren beeinflusst. Was bewirken diese?

  • verändern die Zusammensetzung des Genpools
  • wirken dabei gleichzeitig

Wie können Evolutions-Prinzipien in der IT eingesetzt werden?

Prinzipien der Evolution können zur Problemlösung mit dem Computer verwendet werden

Wie werden "Probleme" mit Evolutionären Algorithmen gelöst (zwei Schritte)?

  1. Analyse des "Problems"  (Struktur, Eigenschaften)
  2. Entwicklung eines entsprechenden Algorithmus
  3. Schritte 1 und 2 führen zur Lösung

Welche Herausforderung gibt es bei der Problemlösung durch Evolutionäre Algorithmen?

  • Kosten- und Zeitaufwändig
  • Struktur und Eingenschaften nicht immer erkennbar/gegeben

Was sind Evolutinäre Algorithmen aus der Sicht eines Ingenieurs?

  • Prozess der Verbesserung
  • dieser Prozess wird durch Algorithmen nachgeahmt
  • Anwendung: Optimierungsprobleme

Für was steht das Omega Ω ?

Suchraum

Für was steht die Funktion f?

Für was steht der Parameter x der Gütefunktion f?

Lösungskandidat

Für was steht der Wert an der Stelle f(x)?

Gütewert

Was wird bei einem Optimierungsproblem gesucht?

globales Optimum der Bewertungsfunktion f

Nenne die vier Lösungsansätze zur Optimierung (AVBG)

  • Analytische Lösung (effizient, selten verwendet)
  • Vollständiges durchforsten des Suchraums (ineffizient, kleines Omega)
  • Blinde Zufallssuche (ineffizient, keine gute Lsg)
  • Gesteuerte Suche (nahe beieinander liegende Funktionswerte geben ähnliche Ergebnisse)

Zu welchen Verfahren gehören die Evolutionären Algorithmen und was sind die Herausforderungen?

  • Verfahrensklasse: naturanaloge Verfahren (Bsp: neuronale Netzte)
  • aufgrund technischer Begrenzung nicht 1:1 umsetzbar

Beispiel für EVA: Künstiliche Intelligenz

Welche drei Basisansätze für die Evolutinären Algorithmen gibt es?

  • Evolutionsstrategien
  • Genetische Algorithmen
  • Genetische Programmierung

Was wird unter "Evolutionsstrategien" verstanden?

  • (Eingangs-) Parameter sind kontinuierlich
  • Mechanismen passen ihre Steuerungsparameter eigenständig an

Was wird unter "Genetische Algotithmen" verstanden?

Verwendung von binärer Codierung --> gut für kombinatorische Optimierung

Was wird unter "Genetische Programmierung" verstanden?

  • nicht auf Parameteroptimierung ausgerichtet
  • Idee: Computer-Programme automatisch generieren (Gen = Programmabschnitt)
  • basierend auf Konzepten der Programmierung: Entwicklung von Computer-Programmen zur Aufgabenlösung

Wie sieht das allgemeine Grundgerüst eines Evolutionären Algorithmus aus?

  1. Suchraum festlegen & Gütefunktion definieren
  2. zufällige Startpopulation von Lösungen (Neuerschaffung)
  3. Genetische Operatoren anwenden (neue Generation)
    1. Selektion - beste Lösung wird in nächste Generation übernommen (Überlebensprüfung)
    2. Rekombination - Kreuzung zweier Lösungen (Vermehrung der Besten)
    3. Mutation - kleine & zufällige Änderung einer Lösung (Veränderung des Vorhandenen)
  4. neue Generation besteht immer aus besseren Lösungen
  5. Abbruchbedingung: Lösung ist ausreichend gut, kaum Änderungen (Ewiger Kreislauf)

Welchem Zweck dienen die Kanonischen Genetischen Algorithmen?

  • Anpassungsfähigkeit (nach Bsp. der Evolution)
  • Überprüfung für heutige Problemlösung verwenden
  • schematisches, abstraktes Modell der biolog. Evolution

Was ist ein Individuum?

Repräsentant einer Lösung --> mathematisch ein Punkt im Suchraum

Was ist eine Population?

Menge an Individuen zu einem bestimmten Zeitpunkt t

Was wird als "Etern" bezeichnet?

aus einer Population augewählte Individuen zur Reproduktion

Was wird als "Kinder" bezeichnet?

aus den Eltern erzeugtes Individuum

Was ist mit "Fitness" gemeint?

Übereinstimmung des Individuums mit gegebenen Eigenschaften (basierend auf Bewertungsfunktion)

Sicht der Biologie und IT: Chromosom

Bio: festgelegter Bauplan eines Lebewesens

IT: Zeichen- oder Zahlenkette ohne feste Länge

Sicht der Biologie und IT: Gen

Bio: Teilstück eines Chromosoms --> Augenfarbe

IT: Character (Abschnitt eines Strings)

Sicht der Biologie und IT: Allel

Bio: Ausprägung des Gens (z.B. Augenfarbe ist blau)

IT: konkreter Wert eines Zeichens oder einer Zeichenkette

Sicht der Biologie und IT: Lokus

Bio: Ort eines Gens im Chromosoms

IT: Position eines Zeichens (Index)

Sicht der Biologie und IT: Phähnotyp

Bio: Erscheinungsbild des Lebewesens

IT: Chromosom-codierte Problemlösung (Gitter: gleicher Weg, obwohl andere Anordnung)

Sicht der Biologie und IT: Genotyp

Bio: Erscheinungsbild des Chromosoms

IT: unterschiedliche Genotypen können selben Phänotyp haben (verschiedene Wegpunkte des Gitters --> können trotzdem gleichen Weg besitzen)

Sicht der Biologie und IT: Reproduktion

Bio: Erzeugen von Nachkommen aus einem oder mehreren Lebewesen

IT: Erzeugen von Chromosomen aus einem oder mehreren Chromosomen

Welche Struktur haben Evolutionäre Algorithmen?

haploide Strukturen: pro Zelle ein Chromosom als Lösung

Welche Struktur finden wir in der Natur?

diploide Struktur: zwei gleiche Allele oder ein dominanteres und ein rezessives

Was unterscheidet die Begriffe Chromosom und Individuum?

Chromosom: Betrachtung der Erbinformation

Individuum: Betrachtung der einzelnen Lösung einer Population z.B. zur Kreuzung

Lernen