Генетические алгоритмы |
|
Генетика
Скачать презентацию |
||
| << Основные понятия генетики | Наследование сцеплённое с полом >> |
Картинки из презентации «Генетические алгоритмы» к уроку биологии на тему «Генетика»
Автор: Den. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока биологии, скачайте бесплатно презентацию «Генетические алгоритмы.ppt» со всеми картинками в zip-архиве размером 2405 КБ.
Скачать презентациюГенетические алгоритмы
содержание презентации «Генетические алгоритмы.ppt»| Сл | Текст | Сл | Текст |
| 1 | Генетические алгоритмы. Состояние. Проблемы. Перспективы. | 27 | достижения запланированных результатов. Схема поиска на основе |
| Лектор, заслуженный деятель науки и техники РФ, д.т.н., проф. | тетраэдра. | ||
| Курейчик В.М. kur@tsure.ru. Технологический институт Южного | 28 | Архитектуры и стратегии генетического поиска. Упрощенные | |
| Федерального университета в г. Таганроге. | схемы организации связей при эволюционном поиске на основе | ||
| 2 | Объекты исследования. Схемотехническое и конструкторское | Платоновых графов додекаэдра. Отметим, что здесь могут быть | |
| проектирование РЭА и ЭВА. САПР печатных плат, БИС, СБИС, ССБИС, | использованы и другие отношения вход-выход: «1 – 1»; «многие – | ||
| изделий микро и наноэлектроники. Принятие решений в | 1»; «многие – многие». Схема поиска на основе додекаэдра. | ||
| неопределенных и нечетких условиях. Проблема выбора оптимальных | 29 | Архитектуры и стратегии генетического поиска. Схема | |
| решений в задачах науки и техники. | реализации процесса метагенетической оптимизации. Здесь основным | ||
| 3 | Объекты исследования. Решение многоэкстремальных задач с | является первый блок, в котором осуществляется реализация ГА, | |
| линейными и нелинейными экстремальными функциями. Моделирование | генерация новых решений, определение значения ЦФ и использование | ||
| функциями ситуаций в реальном масштабе времени. Решение линейных | предыдущих решений для генерации лучших результатов. Второй блок | ||
| и нелинейных транспортных задач. Решение комбинаторно логических | позволяет использовать «историю» предыдущих решений для | ||
| задач искусственного интеллекта. Решение задач принятия решений | генерации лучшего множества параметров. В третьем блоке | ||
| военного назначения. | генерируется новое множество оптимизационных параметров. | ||
| 4 | Эволюционное моделирование (ЭМ). - основано на аналогии с | Метагенетический оптимизационный процесс. | |
| естественными процессами селекции и генетическими | 30 | Архитектуры и стратегии генетического поиска. А. Б. | |
| преобразованиями, протекающими в природе. Правила образования | Оптимизационные задачи используют в качестве исходного не одно, | ||
| (синтаксис) системы ЭМ: построения модели эволюции; | а несколько альтернативных решений. Причем в зависимости от | ||
| конструирования популяций; построения ЦФ; разработки ГО; | сложности перерабатываемой информации исходные решения могут | ||
| репродукции популяций; рекомбинации популяций; редукции; Аксиомы | быть получены на основе стохастических, детерминированных или | ||
| системы ЭМ: «Выживание сильнейших», т.е. переход решений с | комбинированных алгоритмов. Далее полученные решения | ||
| лучшей целевой функцией в следующую генерацию. Размер популяции | обрабатываются адаптированными к решаемой задачи генетическими | ||
| после каждой генерации остается постоянным. Обязательное | алгоритмами. | ||
| применение во всех генетических алгоритмах операторов | 31 | Архитектуры и стратегии генетического поиска. Горизонтальная | |
| кроссинговера и мутации. Число копий (решений), переходящих в | схема стратегии «эволюция – поиск – эволюция». Внутри блоков | ||
| следующую генерацию, определяется по модифицированной формуле | «Поиск1 и Поиск2» организованы коммутирующие блоки с n входами и | ||
| Холланда. | n выходами. Это позволяет соединять входы блоков поиска с | ||
| 5 | Классификация алгоритмов эволюционного моделирования. | выходами n! способами, что дает возможность расширять просмотр | |
| 6 | Классификация стратегий поиска. | пространства допустимых решений. Горизонтальная схема стратегии. | |
| 7 | Модель эволюции Ч. Дарвина. – Это условная структура, | 32 | Архитектуры и стратегии генетического поиска. Схема |
| реализующая процесс, посредством которого особи (альтернативные | реализации стратегий «эволюция – поиск – эволюция – поиск – | ||
| решения) некоторой популяции, имеющие более высокое | эволюция – поиск – эволюция». Схема стратегии «эволюция – поиск | ||
| функциональное значение, получают большую возможность для | – эволюция – поиск – эволюция – поиск – эволюция». | ||
| воспроизведения потомков, чем «слабые» особи. | 33 | Архитектуры и стратегии генетического поиска. Один из | |
| 8 | Модель эволюции Ж. Ламарка. - основана на предположении, что | возможных строительных блоков построения многоуровневой | |
| характеристики, приобретенные особью в течение жизни, | архитектуры для решения инженерных задач. Здесь Р – начальная | ||
| наследуются его потомками. Данная модель оказывается | популяция альтернативных решений. На создание новой популяции Р' | ||
| эффективной, когда популяция имеет сходимость в область | оказывают влияние не только генетический алгоритм и блок | ||
| локального оптимума. | эволюционной адаптации, но и внешняя среда. Из таких | ||
| 9 | Модель эволюции де Фриза. В ее основе лежит моделирование | строительных блоков, как из «кирпичиков», строится архитектура | |
| социальных и географических катастроф, приводящих к резкому | поиска любой сложности. Схема строительного блока. Отметим, что | ||
| изменению видов и популяций. | принятие решений в неопределенных, расплывчатых условиях при | ||
| 10 | Модель К. Поппера. Эволюционная последовательность событий | решении инженерных задач – это генерация возможных | |
| представляется в виде схемы F1?TS????F2, где F1 – исходная | альтернативных решений, их оценка и выбор лучшей альтернативы. | ||
| проблема, TS – пробные решения, ?? - устранение ошибок, F2 – | 34 | Архитектуры и стратегии генетического поиска. Укрупненная | |
| новая проблема. – Это условная структура, реализующая | схема параллельного эволюционного поиска при разбиении популяции | ||
| иерархическую систему гибких механизмов управления, в которых | на две подпопуляции. Здесь в блоках генетических операторов | ||
| мутация интерпретируется как метод случайных проб и ошибок, а | выполняются операторы ОК, ОМ, инверсии, сегрегации, | ||
| отбор как один из способов управления с помощью устранения | транслокации, удаления и вставки. В блоке редукции производится | ||
| ошибок при взаимодействии с внешней средой. | удаление хромосом со значением ЦФ ниже средней. Схема | ||
| 11 | Модель нейтральной эволюции М. Кимуры. Основана на | параллельного эволюционного поиска. | |
| нейтральном отборе. Эволюция заключается в реализации | 35 | Основные принципы совместного поиска: Принцип целостности. В | |
| последовательностей поколений. В результате эволюции выбирается | генетических алгоритмах значение целевой функции альтернативного | ||
| только один вид. | решения не сводится к сумме целевых функций частичных решений. | ||
| 12 | Условная упрощенная модифицированная схема модели | Принцип дополнительности. При решении оптимизационных задач | |
| синтетической теории эволюции. представляет интеграцию различных | возникает необходимость использования различных не совместимых и | ||
| моделей эволюций. Условия внешней среды здесь – не только | взаимодополняющих моделей эволюции и исходных объектов. Принцип | ||
| факторы исключения неприспособленных особей из популяции, но и | неточности. При росте сложности анализируемой задачи уменьшается | ||
| формирующие особенности самой модели. Основным этапом в каждой | возможность построения точной модели. Принцип управления | ||
| модели является анализ популяции ее преобразование тем или иным | неопределенностью. Необходимо вводить различные виды | ||
| способом и эволюционная смена форм. | неопределенности в генетические алгоритмы. Принцип соответствия. | ||
| 13 | Модифицированная базисная структура ПГА. | Язык описания исходной задачи должен соответствовать наличию | |
| 14 | Одноточечный кроссинговер. Рекомбинация участков хромосом, | имеющейся о ней информации. Принцип разнообразия путей развития. | |
| представленных непрерывными моледкулами ДНК. Здесь может быть | Реализация генетических алгоритмов многовариантна и | ||
| выделено несколько подтипов рекомбинации: Схема реализации | альтернативна. Существует много путей эволюции. Основная задача | ||
| одноточечного кроссинговера. регулярная (общая) рекомбинация, | выбрать путь, приводящий к получению оптимального решения. | ||
| представляющая собой кроссинговер, т.е. обмен гомологичными | 36 | Основные принципы совместного поиска: Окончание. Принцип | |
| участками в различных точках гомологичных хромосом, приводящий к | единства и противоположности порядка и хаоса. «Хаос не только | ||
| появлению нового сочетания сцепленных генов; спрайт - | разрушителен, но и конструктивен», т.е. в хаосе области | ||
| специфическая рекомбинация, т.е. обмен генных носителей, часто | допустимых решений обязательно содержится порядок, определяющий | ||
| разных по объему и составу, на коротких специализированных | искомое решение. Принцип совместимости и разделительности. | ||
| участках; нереальная рекомбинация, реализующая негомологичные | Процесс эволюции носит поступательный, пульсирующий или | ||
| обмены. Негомологичный обмен в целом не представляет интереса, | комбинированный характер. Поэтому модель синтетической эволюции | ||
| т.к. появляются нереальные решения исследуемой задачи. | должна сочетать все эти принципы. Принцип иерархичности. | ||
| 15 | Двухточечный кроссинговер. Т. Морган предположил, что | Генетические алгоритмы могут подстраиваться сверху вниз и снизу | |
| кроссинговер может происходить не только в одной, но и в двух и | вверх. Принцип «Бритвы Оккама». Нежелательно увеличивать | ||
| даже большем числе точек. Схема двойного кроссинговера: а - до | сложность архитектуры поиска без необходимости. Бритва Оккама – | ||
| кроссинговера; б - во время кроссинговера; в - после | принцип выдвинутый английским философом XIV века Уильямом | ||
| кроссинговера. На рисунке представлена экспериментально | Оккамом «Понятия, не сводимые к интуитивному и опытному знанию | ||
| установленная схема двойного кроссинговерамежду хромосомами (w и | следует исключать из науки». Принцип гомеостаза. Генетические | ||
| f). | алгоритмы конструируются таким образом, что любое полученное | ||
| 16 | Селекция. Оператор репродукции (селекция) (ОР) ? это | альтернативное решение не выходило из области допустимых. | |
| процесс, посредством которого хромосомы (альтернативные | 37 | Схема параллельного поиска. | |
| решения), имеющие более высокое значение ЦФ (с «лучшими» | 38 | Методы повышения эффективности эволюционного моделирования. | |
| признаками), получают большую возможность для воспроизводства | 39 | Методы повышения эффективности эволюционного моделирования. | |
| (репродукции) потомков, чем «худшие» хромосомы. Селекция на | 40 | Инструментальная среда эволюционного моделирования. | |
| основе рулетки. Существует большое число видов операторов | 41 | Инструментальная среда эволюционного моделирования | |
| репродукции. К ним относятся: селекция на основе | (интерфейс). | ||
| рулетки,селекция на основе заданной шкалы, элитная селекция , | 42 | Экспериментальные исследования. | |
| турнирная селекция. | 43 | Основные результаты научной школы «Теория и принципы | |
| 17 | Инверсия. Инверсии – повороты участка или всей хромосомы на | построения интеллектуальных САПР на основе бионических и | |
| 180 градусов. Инвертированный участок при нечетной длине | эволюционных моделей». Специальные математические модели на | ||
| хромосомы включает центральный ген (перецентрическая инверсия) | основе графов и гиперграфов для решения оптимизационных задач; | ||
| или не включает его при четной длине хромосомы | Интеллектуальные процедуры решения оптимизационных задач; Новые | ||
| (парацентрическая). здесь длина участка инвертированной | стратегии моделирования различных эволюций; Наборы правил и | ||
| хромосомы L(P1) = 3. А парацентрическая инверсия, например, | знаний для интеллектуальных решателей задач; Архитектура | ||
| такова: | интеллектуальной программной среды для применения методов | ||
| 18 | Модели и архитектуры эволюции. Модель прерывистого | генетической оптимизации; Экспертные оболочки для решения | |
| равновесия Гулда-Элдриджа. Согласно этой модели эволюция | оптимизационных задач; Исследование механизмов основных | ||
| происходит редкими и быстрыми толчками. Структура микроэволюции. | генетических операторов и на их основе разработка новых | ||
| Структура макроэволюции. Эта модель является развитием и | модификаций алгоритмов, обеспечивающих оптимизацию структуры | ||
| модификацией модели Г. де Фриза. Здесь отмечается различие | поиска; Новые подходы к решению оптимизационных задач на основе | ||
| причин, от которых зависят темпы микро- и макроэволюции. | стратегий «поиск – эволюция – поиск», «эволюция – поиск – | ||
| 19 | Определения и понятия генетических алгоритмов. Цель | эволюция»; Новые технологии решения оптимизационных задач на | |
| генетических алгоритмов состоит в том, чтобы: абстрактно и | основе методов агрегации фракталов; Проблемно-ориентированные | ||
| формально объяснить адаптацию процессов в ЕС и интеллектуальной | ГА, вырабатывающие решение комбинаторных задач, представленных | ||
| ИС; моделировать естественные эволюционные процессы для | как задачи параметрической оптимизации; Новые подходы к решению | ||
| эффективного решения оптимизационных задач науки и техники. В | оптимизационных задач на основе системного подхода и принципов | ||
| настоящее время используется новая парадигма решений | самоорганизации и саморегулирования; Разработка алгоритмов | ||
| оптимизационных задач на основе генетических алгоритмов и их | решения комбинаторно-логических задач на основе генетических, | ||
| различных модификаций. Генетические алгоритмы осуществляют поиск | синергетических методов и методов самообучения адаптивных | ||
| баланса между эффективностью и качеством решений за счет | систем; Реализация программного комплекса поддержки среды | ||
| «выживания сильнейших альтернативных решений», в неопределенных | решения оптимизационных задач и управления на основе адаптивных | ||
| и нечетких условиях. Генетические алгоритмы отличаются от других | поисковых алгоритмов. Комплекс ориентирован на работу с IBM PC, | ||
| оптимизационных и поисковых процедур следующим: работают в | допускается также использование комплекса в корпоративной сети | ||
| основном не с параметрами задачи, а с закодированным множеством | предприятия. Демонстрационная версия комплекса представлялась | ||
| параметров; осуществляют поиск не путем улучшения одного | различных на научно-технических конференциях и семинарах, также | ||
| решения, а путем использования сразу нескольких альтернатив на | на международной выставке CEBIT’98 в Ганновере (Германия), | ||
| заданном множестве решений; используют целевую функцию (ЦФ), а | международной конференции «Искусственные интеллектуальные | ||
| не ее различные приращения для оценки качества принятия решений; | системы IEEE AIS’02». | ||
| применяют не детерминированные, а вероятностные правила анализа | 44 | Эволюционный алгоритм для решения задач одномерной упаковки. | |
| оптимизационных задач. | Предлагаемый алгоритм использует эволюционные процедуры для | ||
| 20 | Определения и понятия генетических алгоритмов. Генетический | одномерной упаковки произвольно заданного количества элементов в | |
| алгоритм дает преимущества при решении практических задач. Одно | блоки. Программный продукт реализован в среде MS Windows на | ||
| из них – это адаптация к изменяющейся окружающей среде. При | языке Borland C++ 4.5. Среда функционирования: MS WINDOWS 98, | ||
| использовании традиционных методов все вычисления приходится | XP, 2000. Системные требования: Pentium 333, 128Mb RAM, + 4 Mb | ||
| начинать заново, что приводит к большим затратам машинного | дискового пространства, графическое разрешение 800 Х 600 | ||
| времени. При эволюционном подходе популяцию можно анализировать, | пикселей. | ||
| дополнять и видоизменять применительно к изменяющимся условиям. | 45 | Алгоритм для оптимальной 2D упаковки со связями. Алгоритм | |
| Преимущество генетических алгоритмов для решения задач состоит в | для оптимальной 2D упаковки со связями разработан для решения | ||
| способности быстрой генерации достаточно хороших решений. При | проблемы упаковки элементов СБИС. Элементом СБИС представляется | ||
| решении практических задач с использованием генетических | в виде прямоугольника с входами/выходами, расположенными по | ||
| алгоритмов обычно выполняют четыре предварительных этапа: выбор | краям. Программный продукт оптимальной 2D упаковки со связями | ||
| способа представления решения; разработка операторов случайных | имеет удобный и наглядный интерфейс. Имеется встроенный редактор | ||
| изменений; определение способов «выживания» решений; создание | задач. В программе имеются три основных блока: Окно Редактора, | ||
| начальной популяции альтернативных решений. | Окно Инспектора свойств, Окно Алгоритма. Среда функционирования: | ||
| 21 | Определения и понятия генетических алгоритмов. Эффективность | MS WINDOWS 98, XP, 2000. Системные требования: Pentium 333, | |
| генетического алгоритма – степень реализации запланированных | 128Mb RAM, + 4 Mb дискового пространства, графическое разрешение | ||
| действий алгоритма и достижение требуемых значений целевой | 800 Х 600 пикселей. | ||
| функции. Эффективность во многом определяется структурой и | 46 | Алгоритм канальной трассировки. Алгоритм предназначен для | |
| составом начальной популяции. При создании начального множества | проектирования двухслойных СБИС. Область трассировки - канал, | ||
| решений происходит формирование популяции на основе четырех | ограниченный двумя линейками контактов. Цель - размещение | ||
| основных принципов: «одеяла» – генерируется полная популяция, | фрагментов цепей в минимальном числе магистралей. Программный | ||
| включающая все возможные решения в некоторой заданной области; | продукт реализован в среде Windows на языке Си++ для IВМ РС. При | ||
| «дробовика» – подразумевает случайный выбор альтернатив из всей | фиксированных значениях управляющих параметров программа имеет | ||
| области решений данной задачи. «фокусировки» – реализует | оценку временной и пространствеpной сложности О(K), где K - | ||
| случайный выбор допустимых альтернатив из заданной области | число связываемых контактов. Предложенная программа с небольшой | ||
| решений данной задачи. Комбинирования – состоит в различных | модификацией применима для без сеточной трассировки соединений | ||
| совместных реализациях первых трех принципов. | разной ширины в многослойной СБИС. | ||
| 22 | Простой (одноточечный) оператор кроссинговера. Р1 : 1 1 | 1 | 47 | Алгоритм N-мерной упаковки элементов со связями. Алгоритм |
| 1 1 р2 : 0 0 | 0 0 0 ________________ р'1 : 1 1 | 0 0 0 р'2 : 0 | оптимальной N-мерной упаковки со связями разработан для решения | ||
| 0 | 1 1 1. Перед началом работы одноточечного оператора | проблемы упаковки элементов, имеющих любое количество измерений. | ||
| кроссинговера определяется так называемая точка оператора | Целью упаковки является нахождение такого легального размещения | ||
| кроссинговера, или разрезающая точка оператора кроссинговера, | элементов, при котором объем ограничивающей прямоугольной | ||
| которая обычно определяется случайно. Эта точка определяет место | области будет минимален. Программный продукт N-мерной упаковки | ||
| в двух хромосомах, где они должны быть «разрезаны». Одноточечный | элементов со связями имеет удобный и наглядный интерфейс. | ||
| оператор кроссинговера. Одноточечный оператор кроссинговера | Имеется встроенный редактор задач. В программе имеются три | ||
| выполняется в три этапа: Две хромосомы A = а1, а2,.., аL и B = | основных блока: Окно Редактора, Окно Инспектора свойств, Окно | ||
| a?1, a?2,.., a?L выбираются случайно из текущей популяции. Число | Алгоритма. Среда функционирования: MS WINDOWS 98, XP, 2000. | ||
| k выбирается из {1,2,...,L-1} также случайно. Здесь L - длина | Системные требования: Pentium 333, 128Mb RAM, + 4 Mb дискового | ||
| хромосомы, k - точка оператора кроссинговера (номер, значение | пространства, графическое разрешение 800 Х 600 пикселей. | ||
| или код гена, после которого выполняется разрез хромосомы). Две | 48 | Алгоритм генетического разбиения гиперграфа на подграфы с | |
| новые хромосомы формируются из A и B путем перестановок | элементами самоорганизации (ГАСЭС). Алгоритм ГАСЭС позволяет | ||
| элементов согласно правилу. | решать задачу компоновки элементов СБИС по критерию суммарного | ||
| 23 | Двухточечный и N-точечный оператор кроссинговера. Р1 : 1 1 1 | числа цепей между узлами, с учётом тепловой совместимости | |
| | 0 1 | 0 0 р2 : 0 0 0 | 1 1 | 1 0 ____________________ р'1 : 1 | компонуемых элементов. Программный продукт, позволяет проводить | ||
| 1 1 | 1 1 | 0 0 р'2 : 0 0 0 | 0 1 | 1 0. Пример трехточечного | экспериментальные исследования в зависимости от значений | ||
| оператора кроссинговера. Р1 : 1 | 1 1 |0 1 | 0 0 р2 : 0 |0 0 |1 | основных параметров алгоритма и динамических параметров. В | ||
| 0 | 1 1 ____________________ р'1 : 1| 0 0 | 0 1 | 1 1 р'2 : 0 |1 | главном окне отображается процесс работы алгоритма и другая | ||
| 1 | 1 0 | 0 0. В каждой хромосоме определяются две точки | вспомогательная информация. Результаты экспериментальных | ||
| оператора кроссинговера, и хромосомы обмениваются участками, | исследований показали, что ГАСЭС по сравнению с простым | ||
| расположенными между двумя точками оператора кроссинговера. | генетическим алгоритмом (ПГА) позволяет повысить качество | ||
| Пример двухточечного оператора кроссинговера. Развитием | компоновки схем от 2% до 5%, в зависимости от задачи. Системные | ||
| двухточечного оператора кроссинговера является многоточечный | требования: Pentium II 400, 128MB RAM, HDD 5MB. Среда | ||
| оператор кроссинговера или N-точечный оператор кроссинговера. | функционирования: MS Windows 9x, 2000, XP. | ||
| Многоточечный оператор кроссинговера выполняется аналогично | 49 | Алгоритм канальной трассировки для цепей различной ширины. | |
| двухточечному оператору кроссиновера, хотя большое число | Алгоритм канальной трассировки для цепей различной ширины | ||
| «разрезающих» точек может привести к потере «хороших» | позволяет получить топологию канальной области с цепями, | ||
| родительских свойств. | имеющими различную ширину. Алгоритм использует теорию | ||
| 24 | Универсальный оператор кроссинговера. Р1 : 0 1 1 0 0 1 P2 : | эволюционного моделирования и методы генетического поиска. | |
| 0 1 0 1 1 1 ________________ 0 1 1 0 1 0 ? маска _______________ | Программный продукт канальной трассировки позволяет проводить | ||
| P'1 : 0 0 0 0 1 1 P'2 : 0 0 1 1 0 1. Маска может быть задана или | экспериментальные исследования в автоматическом и пошаговом | ||
| выбирается случайно с заданной вероятностью или на основе | режиме. Критерии оптимизации алгоритма канального трассировщика: | ||
| генератора случайных чисел. При этом чередование 0 и 1 в маске | ширина канальной области, суммарная длина цепей, число | ||
| происходит с вероятностью ?50%. В некоторых случаях используется | межслойных переходов. Входные данные: число выводов; ширины | ||
| параметризированный универсальный оператор кроссинговера, где | цепей; номера цепей, подключаемых к выводам. Выходные данные: | ||
| маска может выбираться с вероятностью для 1 или 0 выше, чем 50%. | топология канала Среда функционирования: MS WINDOWS 98, XP 2000. | ||
| Такой вид маски эффективен, когда хромосомы кодируются в | Системные требования: Pentium 333, 128Mb RAM, + 70 Mb дискового | ||
| двоичном алфавите. Вместо использования разрезающей точки | пространства, разреш. 800*600. | ||
| (точек) в универсальный оператор кроссинговера определяют | 50 | Алгоритм размещения на основе поисковой адаптации. Алгоритм | |
| двоичную маску, длина которой равна длине заданных хромосом. | решает задачу размещения множества элементов в непересекающемся | ||
| Первый потомок получается сложением первого родителя с маской на | множестве позиций. Используется новый критерий, учитывающий | ||
| основе следующих правил (0+0=0, 0+1=1, 1+1=0). Второй потомок | распределение ресурсов коммутационного поля. Процесс решения | ||
| получается аналогичным образом. Для каждого элемента в Р1, Р2 | задачи размещения осуществляется адаптивной поисковой | ||
| гены меняются. Универсальный оператор кроссинговера. | процедурой, основанной на сочетании генетического поиска с | ||
| 25 | Одноточечный и двухточечный операторы мутации. Р1 : 0 1 1 | | адаптацией на основе самообучения и самоорганизации. Программный | |
| 0 1 1 р'1 : 0 1 0 | 1 1 1. Р : a | b c d | e f p' : a e с d b f. | продукт реализован в среде Windows на языке Си++ для IВМ РС | ||
| Оператор мутации – это языковая конструкция, позволяющая на | Временная сложность при совместной работе алгоритмов и при | ||
| основе преобразования родительской хромосомы (или ее части) | фиксированных значениях управляющих параметров на одной итерации | ||
| создавать хромосому потомка. Простейшим оператором мутации | имеет оценку О(n). При совместной работе алгоритмов вероятность | ||
| является одноточечный. При его реализации случайно выбирают ген | получения глобального оптимума составила 0.95. В среднем, трех | ||
| в родительской хромосоме и, обменивая его на рядом расположенный | запусков программы со случайными начальными популяциями | ||
| ген, получают хромосому потомка. Одноточечный оператор мутации. | достаточно для нахождения решения со средним отклонением от | ||
| Р1 – родительская хромосома, а Р'1 – хромосома-потомок после | глобального оптимума в 1%. Системные требования: Pentium II 400, | ||
| применения одноточечного оператора мутации. При реализации | 128MB RAM, HDD 5MB. Среда функционирования: MS Windows 98, 2000, | ||
| двухточечного оператора мутации случайным или направленным | XP. | ||
| образом выбираются две точки разреза. Затем производится | 51 | Алгоритм планирования кристалла СБИС. Алгоритм планирования | |
| перестановка генов между собой, расположенных справа от точек | кристалла СБИС решает задачу размещении на поле кристалла | ||
| разреза. Двухточечный оператор мутации. Р1 – родительская | блоков, имеющих заданную площадь и не имеющих фиксированных | ||
| хромосома, а Р'1 – хромосома-потомок после применения | размеров. Блоки и кристалл имеют форму прямоугольников. | ||
| двухточечного оператора мутации. | Программный продукт реализован в среде Windows на языке Си++ для | ||
| 26 | Архитектуры и стратегии генетического поиска. Схема при | IВМ РС. Оценка временной сложности на одной итерации – О(N). | |
| наличии большого количества вычислительных ресурсов может быть | N-число блоков. Среда функционирования: MS WINDOWS 98, XP, 2000. | ||
| доведена до N блоков. Причем N ? 1 блоков могут параллельно | Системные требования: Pentium 333, 128Mb RAM, HDD 5MB. | ||
| осуществлять эволюционную адаптацию и через блоки миграции | 52 | Алгоритм эволюционного проектирования высокопроизводительных | |
| обмениваться лучшими представителями решений. Последний блок | интегральных схем. Входные данные: набор элементов, описание | ||
| собирает лучшие решения, может окончить результат работы или | связей между элементами. Результат: размещение элементов на | ||
| продолжить эволюционный поиск. Схема эволюционного поиска на | коммутационном поле. Операционная система: Windows | ||
| основе миграции. | 95\98\2000\XP. Оперативная память: 128 MB. Процессор: Pentium II | ||
| 27 | Архитектуры и стратегии генетического поиска. Платоновы | 667. При этих условиях размещение 4,5 тыс. элементов | |
| графы, то есть правильные многоугольники, которые, как считалось | производится за 420 секунд. Алгоритм предназначен для | ||
| в древних учениях, обладают внутренней красотой и гармонией. | многослойного размещения элементов интегральных схем с учетом | ||
| Использовано отношение вход-выход «1 – многие». Отметим, что | неоднородности межэлементных соединений. Размещение элементов | ||
| здесь могут быть использованы и другие отношения вход-выход: «1 | производится в нескольких слоях. При расчете функции пригодности | ||
| – 1»; «многие – 1»; «многие – многие». Эффективность таких | используется модель задержки распространения сигналов Элмора. | ||
| отношений проверяется экспериментально. Под эффективностью | Результат работы программы. | ||
| понимается степень реализации запланированной деятельности и | |||
| «Генетические алгоритмы» | Генетические алгоритмы.ppt | |||
http://900igr.net/kartinki/biologija/Geneticheskie-algoritmy/Geneticheskie-algoritmy.html
cсылка на страницу
Генетика
другие презентации о генетике
«Ненаследственная изменчивость» - Делаем измерение. Норма реакции- степень варьирования признака от минимального до максимального значения. Цель занятия: Сущность метода. Проводится с использованием компьютерной технологии. Свойства модификационной изменчивости. Для удобства обработки результаты стоит немного округлить. Значение для отдельной особи, вида.
«Закономерности изменчивости» - Ген. 1.-Г 2.-Б 3.-Б 4.-А 5.-Б. Факторы окружающей среды. Проверка результатов теста. Лабораторная работа. Выводы: Фенотип. Формы изменчивости. Ген Фенотип Факторы окружающей среды Признак Генотип. Белок. Что изучает генетика? Составьте таблицу вариационнного ряда изменчивости фасоли. Каким способом передаются наследственные признаки?
«Наследственность и изменчивость» - Популяция состоит из наследственно различных особей или родственных групп – линий. На Тему: История развития генетики. Презентация. Экспериментально доказывая, что основными носителями генов являются хромосомы, и что гены располагаются в хромосомах линейно. Сам Дарвин приложил немало усилий для изучения наследственности и изменчивости.
«Законы Менделя» - При моногибридном скрещивании брались особи, различавшиеся только по одному признаку. Ab. Какое скрещивание называется моногибридным? AB. Р. Составитель учитель высшей категории Горячкина О.Ю. ?. AABB. П о в т о р и м. Третий закон Менделя – закон независимого комбинирования.
«Первый закон Менделя» - Генетические символы. История развития генетики. А. Объект изучения. Грегор иоганн мендель 1822-1884. Дано: Решение: А – желтые семена Р: ?АА х ?аа а– зеленые семена G А а. Задачи и методы генетики.Первый и второй законы г.Менделя. Моногибридное скрещивание. Первый закон менделя.
Биология
134 темы
Биология
▫ История биологии
▫ Биологи
▫ Систематика
○ Обучение биологии
▫ Методы обуч. биологии
▫ Уроки биологии
▫ Игры по биологии
▫ Задания по биологии
Клетка
▫ Цитология
▫ Строение клетки
• Эукариотическая клетка
• Химическ. состав клетки
• Белки
▫ Энергетический обмен
▫ Биосинтез белка
▫ Деление клетки
▫ Вирусы
Организм
○ Размножение
▫ Онтогенез
○ Генетика
▫ Наследственность
▫ Изменчивость
• Мутация
• Адаптация
▫ Генная инженерия
▫ ГМО
▫ Задачи по генетике
○ Селекция
Вид
○ Популяция
○ Эволюция
▫ Теории эволюции
▫ Доказательств. эволюции
▫ Дарвин
▫ Естественный отбор
○ Возникновение жизни
▫ Биохимическая эволюция
▫ Развитие жизни
▫ Эры
○ Происхожд. человека
▫ Предки человека
▫ Эволюция человека
Экосистемы
▫ Биосфера
▫ Биогеоценоз
▫ Среда обитания
• Почва
• Лес
▫ Связи организмов
▫ Красная книга
▫ Природоведение
Бактерии
Грибы
▫ Виды грибов
Растения
○ Строение растений
▫ Корень
▫ Цветок
▫ Семя
○ Жизнь растений
▫ Питание растений
• Фотосинтез
▫ Размножение растений
○ Виды растений
▫ Лекарственные растения
▫ Культурные растения
▫ Комнатные растения
▫ Цветы
○ Систематика растений
▫ Споровые
▫ Голосеменные
▫ Покрытосеменные
• Однодольные
• Двудольные
▫ Водоросли
Животные
▫ Виды животных
▫ Строение животных
▫ Жизнь животных
• Размножение животных
○ Систематика животных
▫ Простейшие
▫ Кишечнополостные
▫ Черви
• Кольчатые черви
• Плоские черви
▫ Моллюски
▫ Членистоногие
• Ракообразные
• Насекомые
- Отряды насекомых
▫ Хордовые
• Рыбы
- Виды рыб
• Земноводные
• Пресмыкающиеся
- Динозавры
• Птицы
- Виды птиц
- Названия птиц
• Млекопитающие
- Отряды млекопитающих
⋅ Хищные
Человек
○ Анатомия человека
▫ Нервная система
▫ Эндокринная система
▫ Мочеполовая система
▫ Скелет
▫ Мышцы
▫ Ткани человека
▫ Кожа
▫ Мозг
▫ Органы чувств
• Зрение
- Глаза
○ Физиология
▫ Пищеварение
• Пища
• Продукты питания
- Молоко
• Здоровое питание
• Правильное питание
▫ Дыхание
▫ Кровообращение
• Сердце
• Кровь
▫ Обмен веществ
• Витамины
▫ Размножение человека
• Генетика человека
Тема
Генетика
16 презентаций
Генетические алгоритмы
Презентация: Генетические алгоритмы | Тема: Генетика | Урок: Биология | Вид: Картинки