Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
• Motivation
• Ein prototypischer genetischer Algorithmus
• GABIL
• Genetische Programmierung
• Individuelles Lernen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
• Berechnungen anhand von evolutionären Prozessen.
• Vererbung, Mutation und Selektion.
• Evolution funktioniert, also geht das bestimmt auch mit Computern.
• Parallelisieren ist einfach.
• …
Genetische Algorithmen Machine Learning
Genetische Genetik
Lamarck et al.:
• Spezies verändern sich mit der Zeit Darwin und Wallace:
• Natural selection of the fittest Mendel
• Vererbung
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Keine top-down oder bottom-up Auswahl von Hypothesen.
Hypothesen auf Ihre Tauglichkeit testen.
Die besten Auswählen und Nachkommen bilden.
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
• Hypothesen repräsentieren
darstellen als:
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Wie wählt man die besten Hypothesen aus?
Alle Hypothesen nach Fitness sortieren, Wahrscheinlichkeit ist proportional zum Rang.
Tournament Selektion (KO Runden)
• Wähle zwei Hypothesen, der Gewinner wird mit Wahrscheinlichkeit p gewählt.
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Crossover mit variabler Hypothesenlänge:
• Crossover-Punkte in h1 wählen, z.B.: 1,8
• Crossover-Punkte von h2 so wählen, das gültige Hypothesen entstehen. (1,3), (1,8), (6,8).
• Für (1,3) entstehen folgende neue Hypothesen.
Genetische Algorithmen Machine Learning
Genetische Algorithmen
• GABIL (De Jong et al. 1993)
Algorithmus wie angegeben mit r = 0,6 m = 0,001 und p von 100 bis 1000.
Erweiterungen von GABIL:
Genetische Algorithmen Machine Learning
Genetische Algorithmen
• Vergleich von GABIL mit symbolischen Machine Learning Verfahren (Entscheidungsbäume, Regellernen):
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Weitere Evolutionshistorische Konzepte für genetische Algorithmen:
Lamarck (Jean-Baptiste Pierre Antoine de Monet, Chevalier de Lamarck (1744 -1829)
• Individuell Gelerntes kann an die nächste Generation weitergegeben werden.
Tritt so in der Umwelt wahrscheinlich nicht auf.
Kann aber bei genetischen Algorithmen angewendet werden.
Genetische Algorithmen Machine Learning
Genetische Algorithmen
Weitere Evolutionshistorische Konzepte für genetische Algorithmen:
James Mark Baldwin (1861 –1934)
• Individuell Gelerntes hat keinen direkten Einfluss auf die DNA
• Lernfähigkeit kann als extra Eigenschaft vererbt werden
Bei genetischen Algorithmen hat es den Vorteil, dass schneller gelernt werden kann.
Individuen mit dem „Lerngen“ können sich besser an Veränderungen anpassen. Dies muss allerdings bei der Berechnung der Fitness mit berücksichtigt werden.
