Genetik Algoritma Parametreleri
Genetik algoritmanın performansını etkileyen önemli etmenlerden biri kontrol parametrelerinin belirlenmesidir. Kontrol parametrelerinin seçimi problem tiplerine göre farklılık göstermektedir. Farklı problem ve kodlama türlerine göre en uygun kontrol parametrelerin belirlenmesi için birçok çalışma yapılmıştır. Aşağıda GA kontrol parametreleri olan popülasyon büyüklüğü, çaprazlama olasılığı, mutasyon olasılığı, kuşak farkı, seçim yöntemi ve fonksiyon ölçeklemesi açıklanmaktadır.
1.Popülasyon Büyüklüğü
Genetik algoritmanın ilk adımı başlangıç popülasyonunun oluşturulmasıdır. Başlangıç popülasyonunu oluşturan bireylerin uygunluk değerleri GA performansını etkileyen unsurlardan biridir. Popülasyon oluşturan bireylerin sayısı küçük seçildiğinde iterasyonlar daha hızlı olacak ancak algoritmanın yerel optimuma takılma şansı artacaktır. Popülasyonun çok büyük seçilmesi çözüm kalitesini arttıracak ancak algoritmanın adımları daha uzun zaman alacaktır. Goldberg 1985′de, yalnızca kromozom uzunluğuna bağlı bir popülasyon büyüklüğü hesaplama yöntemi önermiştir. Golderg birçok araştırmacının popülasyon büyüklüğünü 30-200 aralığında seçtiğini belirtmiştir. Popülasyon büyüklüğünü kromozom uzunluklarını dikkate alarak belirlenmesinde seçilen yöntemlerden biri n kromozom uzunluğu olmak üzere popülasyon büyüklüğünün [n, 2n] arasında seçilmesidir. Popülasyon büyüklüğünün küçük bir değer olarak belirlenmeye çalışılmasının başlıca nedeni GA’nın diğer meta-sezgisel yöntemlerle çözüm süresi olarak rekabetçi olabilmesidi.
2.Çaprazlama Oranı
Çaprazlama GA’ların arama uzayının benzer fakat araştırılmamış bölgelerine ulaşmayı sağlayan bir arama operatörüdür. Gen takası genetik algoritmanın motoru kabul edilir. Basitçe olay iki ebeveyn kromozomun arasında belirlenen parçaların takasıdır. Kromozom çiftleri P(c) olasılığı ile çaprazlamaya uğramak üzere seçilirler. Çaprazlama olasılığını yüksek seçilmesi bir önceki nesle ait kromozomların daha fazla bozulmasına sebep olur. Bu bozulma sonucu çok iyi uygunluk değerlerine sahip kromozomlarında yok olmasına ve iyi çözümlerin kaybolmasına neden olur. Çaprazlama oranı kromozomların çaprazlanmasının hangi olasılıkla olacağını gösteren kullanıcı tanımlı olasılıktır. Örneğin, çaprazlama oranının 0.9 olması popülasyondaki bireylerin %90′inin çaprazlama operatörüne maruz kalacağını gösterir. En iyi çaprazlama yöntemi uygulamaya göre farklılık göstermektedir . Daha Fazla Bilgi
Genetik Algoritma Süreci
Çözülmek üzere tanımlı bir problem verilmesi ve aday çözümlerin birer bit dizisi ile temsil edilmesi halinde, GA şu şekilde çalışır:
1. N adet kromozom (problem için aday çözümler) içeren rastgele oluşturulmuş bir topluluk ile başla.
2. Topluluktaki her x kromozomu için f(x) uygunluk değerini hesapla.
3. Aşağıdaki adımları birey n (topluluk büyüklüğü) oluşturuluncaya kadar tekrarla.
a. Güncel topluluktan, yüksek uygunluk değerinin seçilme ihtimalini arttırdığını göz önünde bulundurarak, iki ebeveyn kromozom seç. Seçilim, aynı kromozomun birden çok defa ebeveyn olarak seçilmesine olanak verecek şekilde yapılır.
b. Pc olasılığı (“çaprazlama olasılığı” ya da “çaprazlama oranı”) ile seçilen çifti iki yeni birey
oluşturmak üzere rastgele belirlenen bir noktadan çaprazla. Eğer çaprazlama gerçekleşmezse
ebeveynlerinin birebir kopyası olan iki çocuk oluştur.
c. Pm olasılığı (“mutasyon olasılığı” ya da “mutasyon oranı”) ile, oluşan iki çocuğu tüm veya bazı locuslarında
mutasyona uğrat.
d. Sonuçta elde edilen kromozomları yeni topluluğa ekle.
4. Önceki topluluğu yeni topluluk ile değiştir.
5. Sonlandırma koşulu sağlandıysa mevcut topluluktaki en iyi çözümü döndür, sağlanmadıysa 2. adıma dön.
1.Kromozomların Kodlanması
Bir problemin çözümünde Genetik Algoritmalar kullanılacaksa çözümün ilk adımı kromozomların nasıl kodlanacağına karar vermektir. Kodlama yaklaşımı çözümün başarısına doğrudan etki eder ve problemin
türüne ve özelliklerine göre farklılık gösterir. Daha Fazla Bilgi
Genetik Algoritma Temel Kavramlar
Genetik Algoritmalar, daha iyi çözümlere yavaş yavaş bir yaklaşım sağlayan geniş bir problem uzayı boyunca yönlendirilmiş rastgele bir araştırmaya imkan sağlar. Temel avantajı optimize edilmeye çalışılan problemin doğasıyla ilgili herhangi bir bilgiye ihtiyaç göstermemeleridir.
Evrimsel Algoritmalar: Çözüm uzayı içerisinde belirli kurallar dahilinde rastsal arama yapan algoritmalardır. Evrimsel algoritmaların (EA) probleme özgü bilgilere ihtiyacı diğer yöntemlere göre daha azdır.
Kodlama: Probleme ait potansiyel çözümler parametreler kümesi olarak sembolize edilir. Gen olarak da bilinen bu parametreler değerler dizgisi biçimini oluşturacak şekilde birleştirilir. Holland bu dizgelerin en verimli şeklinin ikilik sistemde olduğunu belirtmiştir.
Kromozom: Bir bireyin tam ifadesidir.
Gen: Bir kromozom içerisindeki tek bir özelliktir. Dikkat edilmesi gereken husus bir çocuğun kromozomu genlerden oluşur ve bu genler rastlantı olarak ebeveynlerinden aktarılır. Daha Fazla Bilgi
Tek Nöronlu Yapay Sinir Ağı ve Proteus İsis Simülasyonu (16f84)
Bu yazıda PIC assembly ile kodlanmış tek nörona sahip bir yapay sinir ağı oluşturulup, Proteus İsis programında simülasyonla gösterildi. Programda hedeflenen durum, giriş değeri 1 verilirse 0 sonucunu üreten, 0 verilirse 1 sonucunu üreten YSA oluşturmak. Tek nöronlu yapay sinir ağının özelliği, nörona giren giriş değerini belli bir ağırlık değeri ile çarpıp, eşik değere göre sonuç üretmektir. Örnek olarak giriş değeri olarak 0 değeri verilip ve bu değer 1 değerine sahip ağırlıkla çarpıldıktan sonra elde edilen sonuç olan sıfır değerini 0′a eşit ve küçük olan eşik değerle kıyaslansın. Sonuç olan 0 değeri ile eşik değerin kıyaslanması sonucunda true yani 1 değeri elde edilecektir. Çünkü sonuç 0 ve eşik değerde sıfıra eşit ve küçük olduğu için dönüş true olacaktır. Aynı durum için giriş değeri 1 olduğunda dönüş değeri 0 olacaktır. Böylece program için hedeflenen durum gerçekleşti.
Ekran Görüntüleri
Ekran görüntülerini değiştirmek için imleci resim üzerine getirin. İmleç resim üzerinde iken sağ üst tarafta belirecek olan yön işaretleri ile ekran görüntülerini değiştirebilirsiniz.
Trafik Lambası Programı ve Proteus İsis Simülasyonu (16F84)
Bu programda 4 trafik lambasının karşılıklı olanlar aynı renkteki lambayı yakacak şekilde sıra ile çalışması sağlanmıştır. Birinci grup trafik lambasında kırmızı ışık yanıyorken ikinci grup trafik lambasında yeşil ışık yanarak birbirini tamamlar ve sıra ile lamba renkleri değişir. Işıkların yanma süreleri aynı değildir. Birinci grub için yeşil ışığın yanma süresi 4 saniye iken ikinci grub için bu süre 8 saniye olarak ayarlanmıştır ve sarı ışıkların yanma süresi ise 1 saniyedir.
Ekran Görüntüleri
Ekran görüntülerini değiştirmek için imleci resim üzerine getirin. İmleç resim üzerinde iken sağ üst tarafta belirecek olan yön işaretleri ile ekran görüntülerini değiştirebilirsiniz.
