Genetisch Algoritme 1 Voordeel  GAs kunnen snel goede oplossingen leveren, zelfs voor moeilijke oplossingsruimten. Nadeel  GAs vinden niet gegarandeerd.

Slides:



Advertisements
Verwante presentaties
Artificiële Intelligentie
Advertisements

Op zoek naar een ondernemingsmodel dat werkt
Lenzen Voor het beste resultaat: start de diavoorstelling.
Minimum Spanning Tree. Wat is MST? • Minimum spanning tree • De meest efficiënte manier vinden om een verbonden netwerk op te bouwen.
Jeroen Buysse Faculty of Bioscience engineering – Department of Agricultural Economics Analyse van de impact van regelgeving op marktwerking en bedrijfsrendabiliteit.
Record Linkage: Simulatie Resultaten Adelaide Ariel Biolink NL 28 maart 2014.
Hogeschool HZ Zeeland 19 augustus 2003augustus 2003 Data Structuren & Algoritmen Week 1.
De intelligente stofzuiger
Heuristieken – kennisbits 1
Tuin – Timmer – Watermanagement Watermanagement Op het gebied van watertechniek zijn wij uitermate goed ontwikkeld en hebben wij u veel te bieden. Dit.
Kansrekening voor wiskunde D.
Toepassing in de praktijk en demonstratie
Objecten Hoofdstuk 6 Hoofdstuk 6 Hoofdstuk 6 1.
Advanced Algorithms Groep: EII7AAb
Philadelphia Probleem
In de juiste volgorde Initiatief Bijstellen Analyse Evaluatie
Graph Begrippen: knoop, vertices kant, zijde, edge
Tussenpresentatie Modelleren C Random Seeds Sanne Ernst Jarno van Roosmalen.
Jan Talmon Medische Informatica Universiteit Maastricht
Dijkstra Kortste pad algoritme.
Oplossen van een doolhof
Genetische algoritmen3SAT en GA1 Genetische algoritmen.
TU Delft Groep Parallelle en Gedistribueerde Systemen Fundamentele Informatica In3 005 Deel 2 College 1 Cees Witteveen Parallelle en Gedistribueerde Systemen.
Inleidend probleem Data structuur (hiërarchie van classes)
Practicum I&M College deel 1
Motion planning with complete knowledge using a colored SOM Jules Vleugels, Joost N. Kok, & Mark Overmars Presentatie: Richard Jacobs.
Indeling Inleiding op PRM-planners & Medial Axis Retraction van configuraties op de Medial Axis Verbetering van retraction Verbetering van sampling Expliciete.
Lokale zoekmethoden Goed in de praktijk:
Advanced Algorithms Groep: EII7AAb Studenten: Clermond de Hullu, Wiebren Wolthuis, Simon Wels en Maik Gosenshuis.
Advanced Algorithms Groep: EII7AAb Studenten: Clermond de Hullu, Wiebren Wolthuis,Simon Wels en Maik Gosenshuis.
Welkom! Media & Creativiteit Les 3
Van bedrijfsenquêtes naar registers: de consequenties Voorburg 8 november, 2007 * Jeffrey Hoogland.
Workshop PHP Een productencatalogus Met database.
ENERGY INSIGHT Project Persistent Rik Vrielink Timo Berkers Mark Buikema.
Controleren Leidinggeven Blz. 169.
OOS Object geOrienteerd Software-ontwerp - 2
Sorteeralgoritmen. Sorteren: aanpak 1 Hoe ga je een rij getallen sorteren met PC? Sorteren door selectie (= selection sort): Zoek de kleinste waarde Sorteer.
T U Delft Groep Parallelle en Gedistribueerde Systemen PGS College in345 Deel 2 Cees Witteveen Parallelle en Gedistribueerde Systemen Faculteit Informatie.
Ik wil de goedkoopste hypotheek! Op onze uitgebreide en informatieve hypotheek en hypotheekrente site kunt u onder andere berekenen hoeveel hypotheek u.
Van probleem naar oplossing
Planning With Nonholonomic Constraints By Jeroen Resoort & Ronald Treur.
de ze me je te de wat moet ik doen ik stop de ze me je te de wat moet ik doen ik stop.
De rommel van de programmeur Pieter van Ede. Handmatig geheugenbeheer Programmeur gooit zelf objecten weg Veel fouten mee gemaakt Geheugenlekken ‘Dangling.
Pizza’s!!!. 16 x 9 of 9 x 16??? Ik heb 16 dozen pizza’s, Elke pizza bestaat uit 9 punten, hoeveel pizzapunten heb ik in totaal? Hoe reken ik dat uit???
Pag. Software Engineering: SCRUM 2 Schedule Generator Zjef Van de Poel, Alexander De Cock, Adam Cooman, Matthias Caenepeel
Neurale Netwerken Genetische Algorithmen
Het gebruik van FP op een meeloopdag voor middelbare scholieren Paul de Mast.
Representatie & Zoeken
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 6 Cees Witteveen.
The Six Thinking Hats WORKSHOP. DIVERGEREN Dit is het genereren van zoveel mogelijk ideeën, feiten, problemen, kenmerken, gevolgen, oorzaken, oplossingen.
Limito TOTAAL OPLOSSING OM GEBRUIKERS TE BEPERKEN.
Onze arbeidsongeschiktheidsverzekering voor zzp’ers levert u de arbeidsongeschiktheidsverzekering met.
Docentinstructie: Het is aan te bevelen de eerste dia’s klassikaal te tonen en met uitleg te bespreken. Als na zes dia’s een korte demo van Celsius/Fahrenheit.
Grafentheorie Graaf Verzameling knopen al dan niet verbonden door takken, bijv:
(de eenvoudige versie).   Teken een rechthoek voor het speelveld.  Maak 2 cirkels die je via de toetsen ASWD (voor speler 1) of de pijltjestoetsen.
Datastructuren voor grafen Algoritmiek. 2 Grafen Model van o.a.: –Wegennetwerk –Elektrische schakeling –Structuur van een programma –Computernetwerk –…
Meest voorkomende vragen bij examenteksten.
6.1 Wat is genetische diversiteit?
Meest voorkomende vragen bij examenteksten.
Mobiele telefoons.
Oud klantenbestand Weinig nieuwe klanten
Het virtuele punt Stel je voor, je bent een hele grote kaart;
Slim tellen.
Functionele rekenvaardigheid
Goederenstroom en voorraadbeheer
De schrijver mee op reis
KWT.
Slim tellen.
6.1 Wat is genetische diversiteit?
Transcript van de presentatie:

Genetisch Algoritme 1 Voordeel  GAs kunnen snel goede oplossingen leveren, zelfs voor moeilijke oplossingsruimten. Nadeel  GAs vinden niet gegarandeerd de optimale oplossing: ze hebben de neiging te convergeren naar een lokale oplossing in plaats van een globale oplossing van het op te lossen probleem.

Werking 2  Genereren random populatie (Initialisatie)  Rekening houden met afstand vertices  Beste tour in de GUI tonen  Random groep genereren  Dubbele crossover met de twee beste tours  Soms het resultaat muteren  Vervang slechtste tours uit de populatie  Populatie alleen aanpassen als de tour niet al bestaat  Eventuele nieuwe beste tour weergeven in de GUI

Structuur Genetisch Algoritme (GA)  Genetisch Algoritme  Dataset  GeneticDataset  Vertex  Tour  Mutate  Crossover  Population  Selection 3 Globaal Klassendiagram

Mutatie Zorgen dat de populatie niet naar één oplossing convergeert  Random getal kiezen voor aantal mutaties op de tour  Gekozen aantal punten wisselen ( Swap )  Controleren of de tour uniek is 4

Single point crossover  Crossover point kiezen  Vertices voor het crossoverpoint kopieren van parent A  Overgebleven vertices van parent B kopieren 5

Parameters 6 ParameterWaarde NumberOfCloseVertices5 ChanceToUseCloseVertex75 PopulationSize GroupSize10 MutationChance5

GUI  TSPAlgorithm  Implements runnable  Abstract  toString  stop  run  Geimplementeerd  addNewSolutionEventListener  removeNewSolutionEventListener  fireNewSolutionFoundEvent 7

Sprint 3 A fast TSP solver using a genetic algorithm 8

Demo 9

Vragen ? 10