[인공지능] Genetic Algorithm
- 최초 등록일
- 2003.10.07
- 최종 저작일
- 2003.10
- 2페이지/ 한컴오피스
- 가격 1,000원
목차
유전자 알고리즘
유전자 알고리즘의 구현 및 특성
유전자 알고리즘의 구성요소
유전자 알고리즘의 장단점
본문내용
2001190708 이익태
유전자 알고리즘
Genetic Algorithm이란 자연계에 있어서 생물의 유전과 진화의 메카니즘을 공학적으로 모델화하는 것에 의해 생물이 갖는 환경에서 적응능력을 취급하는 것이고, 1970년대 초기에 John Holland에 의해 제안된 자연도태의 원리를 기초로 한 최적화 방법이다. 즉, 어떤 세대(Generation)를 형성하는 개체(Individual)들의 집합을 개체군(Population)이라 하며 개체군중에서 환경에 대한 적합도(Fitness)가 높은 개체가 높은 확률로 살아남아 재생(Reproduction)할 수 있게 된다. 이때 교배(Crossover) 및 돌연변이(Mutation)로서 다음 세대의 개체군을 형성하게 된다.
Genetic Algorithm은 자연계의 진화현상을 기반으로 만들어진 계산모델로써 풀고자하는 문제에 대한 가능한 해들을 정해진 형태의 자료구조로 표현한 다음, 이들을 점차적으로 변형함으로써 점점 더 좋은 해들을 생성하게 된다. Genetic Algorithm은 탐색 및 최적화, 기계학습의 도구로 많이 사용되고 있다.
유전자 알고리즘의 구현 및 특성
1) 유전자 알고리즘의 구현
1 단계 - 초기 집단 결정
탐색공간 상에서 원하는 개수의 초기 집단을 생성한다.
2 단계 - 적합도 평가
생성된 모집단(Parent population)에 대한 적합도(Fitness)를 계산한다.
3 단계 - 자손의 생성
2단계에서 계산된 적합도를 기준으로 여러 가지 선택방법을 이용하여 모집단에서 두개의 개체를 선택한 후 교배(Crossover)와 돌연변이(Mutation)연산을 통해 자손을 생성시킨다.
3 단계 - 종료
목적함수(Objective function)의 적합도가 원하는 수준을 만족할 때까지 또는 미리 지정한 최대 반복 횟수에 도달할 때까지 2, 3단계를 반복한다.
참고 자료
없음