Evolutionäre Algorithmen - Computational Intelligence - page 155

oxyribonukleinsäure (DNS) und vielen Histon-Proteinen. Ein Chromosom legt den
„Bauplan“ bzw. (einen Teil der) Eigenschaften eines Individuums in kodierter Form
fest. Die meisten biologischen Individuen besitzen mehrere Chromosomen. In der
Informatik hingegen wird oft nur ein Chromosom benutzt. Wir sprechen einige we-
nige Gründe dafür im Abschnitt 10.4 an. Dieses Chromosom repräsentieren wir der
Einfachheit halber durch eine Zeichenkette.
Ein Gen stellt eine grundlegende Einheit der Vererbung dar, die eine (Teil-)Eigen-
schaft eines Individuums festlegt. In der Biologie ist es ein gewisses Teilstück eines
Chromosoms, während es in der Informatik einfach ein einzelnes Zeichen darstellt.
Ein Allel (aus dem Griechischem: „einander“, „gegenseitig“) bezeich-
net eine mögliche Ausprägung eines Gens in der Biologie. In der Informatik handelt
es sich einfach um den Wert eines Zeichens. Je Chromosom gibt es nur eine Ausprä-
gung eines Gens.
Der Locus ist der Ort eines Gens bzw. die Position eines Zeichens. In einem Chro-
mosom gibt es an jedem Ort nur genau ein Gen.
Der Phänotyp ist das äußere Erscheinungsbild eines Lebewesens. Dementspre-
chend stellt er die Umsetzung oder Implementierung eines Lösungskandidaten in
der Informatik dar.
Der Genotyp G ist die genaue genetische Ausstattung eines Lebewesens und somit
die Kodierung eines Lösungskandidaten.
Der sehr wichtige Begriff der Population stellt aufgrund der Diversität (siehe Ab-
schnitt 10.1.1) eine klassische Menge von verschiedenen Lebewesen dar. In der simu-
lierten Evolution werden durch die stark begrenzte Komplexität eines Chromosoms
„baugleiche“ Chromosomen erzeugt, die den gleichen Genotyp aufweisen. Darum
ist eine simulierte Population stets als Multimenge zu betrachten.
Als Generation bezeichnen wir eine Population in der biologischen als auch simu-
lierten Evolution zu einem bestimmten Zeitpunkt.
Mit Reproduktion meinen wir das Erzeugen von Nachkommen aus einem oder
mehreren (meistens zwei) Lebewesen. In der Informatik ist damit das Erzeugen von
(Kind-)Chromosomen aus einem oder mehreren (Eltern-)Chromosomen gemeint.
Der wichtige Begriff der Güte oder Fitness bestimmt die Überlebens- und Fort-
pflanzungschancen eines Individuums. Sie ist somit vergleichbar mit der Tauglich-
keit oder Angepasstheit eines Lebewesens bzw. eines Lösungskandidaten.
10.2.3 Bausteine eines evolutionären Algorithmus
Im Prinzip besteht jeder EA aus verschiedenen Elementen, die vomNutzer in weiser
Hinsicht gewählt werden müssen, damit der Algorithmus das gegebene Optimie-
rungsproblem möglichst effizient mit hinreichender Güte lösen kann.
Für die Menge an Optimierungsproblemen werden Lösungskandidaten jeweils
ganz unterschiedlich dargestellt. Ein EA trennt den Suchraum (den Phänotyp) von
der Darstellung des Lösungskandidaten im Individuum (dem Genotyp G )[Weicker
2007]. Jeder EA besteht deswegen aus einer Dekodierungsvorschrift der Lösungskandi-
daten, der sogenannten Dekodierungsfunktion. Diese ist zwingend notwendig, um
von der effizienten Darstellung der Lösungskandidaten als Chromosom auf die kon-
krete Implementierung des Individuums abzubilden.