Design layoutet af din genetiske algoritme. Genetiske algoritmer arbejder for problemer, hvor løsningen på problemet består i at optimere værdierne af en streng af tal. En population af strenge evalueres og manipuleres på måder foreslået af evolution indtil en af befolkningen er en streng, der er løsningen på et bestemt problem. Layoutet af algoritmen består i at designe layoutet af strengene , designe algoritmer til at manipulere befolkningen og evaluere strenge i hver generation
2
Start med en tilfældig befolkning : . Et stort antal strenge , hvor alle numrene på alle strengene blev udvalgt tilfældigt. Vurdere alle strengene og kassér strengene med de laveste evalueringer. Påfør to evolutionære teknikker til de høje kunstnere : mutation og crossover . Mutation består i at vælge et lille antal pladser på et lille antal strenge og ændre nummeret lidt enten op eller ned . Crossover består af foring op to strenge , plukke en tilfældig " crossover point ' og skifte hoveder og haler på mødestedet . Succeser fra den sidste generation plus de nyoprettede strenge udgør det nye befolkning. Hver generation har det samme antal strenge i befolkningen.
3
Kør denne algoritme i flere generationer og se på den bedste streng. Hvis det ikke er godt nok, er du nødt til at ændre nogle af de parametre og køre algoritmen igen. en af de mest markante ændringer , du kan gøre , er at ændre den måde, strengene er lavet . for eksempel antage, at du forsøger at designe det indre af forbrændingskammeret i en jetmotor . strengene kan bestå af 20 målinger foretaget på indersiden af udformningen af motoren. Startende med forskellige målinger er den ændring , der er mest tilbøjelige til at give dig et bedre svar .
4
vigtige parametre for at justere , når du optimerer din algoritme er mutation sats , befolkningens størrelse , antallet af værdier på en snor , og placeringen af de værdier på strengen - . uanset om de er i midten eller på enderne
hoteltilbud