Grundlagen - Cognitive Computing - page 72

Tab. 2.4 Pseudo-Code des genetischen Algorithmus
Schritt

Inhalt

1. Initialisiere die Population

2. Evaluiere die neu erzeugten Verarbeitungseinheiten und berechne ihre Fitnesswerte

3. Wiederhole, bis Abbruch der Evolution

3.1 Selektiere Verarbeitungseinheiten zur Reproduktion gemäß der Selektionsmethode

3.2 Erzeuge daraus neue Verarbeitungseinheiten durch Anwendung der genetischen

Operatoren

3.3 Evaluiere die neu erzeugten Verarbeitungseinheiten und berechne ihre Fitnesswerte

3.4 Füge die neuen Verarbeitungseinheiten gemäß der Ersetzungsstrategie in die Popula-

tion ein

Jede Lösung kann durch einen im Umfang begrenzten Digitalcode, bestehend aus Nul-
len und Einsen, dargestellt werden Der genetische Algorithmus erzeugt neue Lösungen,
indem er Sequenzen des Digitalcodes aus einer Lösung durch die entsprechenden Se-
quenzen aus einer anderen Lösung ersetzt. Die Länge der ersetzten Sequenzen und die
Position im Digitalcode werden durch einen Zufallsgenerator bestimmt. Da hier bereits
erprobte und damit erfolgreiche Eigenschaften verwendet werden, führt dies in Verbin-
dung mit einem evolutionären Algorithmus erheblich schneller zu optimierten Lösungen.
Genetische Algorithmen werden schon jetzt bei der Lösung von Problemen eingesetzt, bei
denen eine Vielzahl von Parametern das Ergebnis beeinflusst. Der Ablauf des genetischen
Algorithmus kann durch folgenden Pseudo-Code beschrieben werden (Tab. 2.4 ):
Der genetische Algorithmus besteht in seiner Grundform aus folgenden Komponenten:

• Einer Population von Verarbeitungseinheiten, die durch ihren genetischen Code und
ihren Fitnesswert repräsentiert sind.
• Einer Initialisierungsmethode , nach der eine Ausgangspopulation erzeugt wird.
• Einer Selektionsstrategie , gemäß der aus der Population Individuen zur Reproduktion
ausgewählt werden.
• Genetischen Operatoren , wie Mutation und Crossover, um aus den alten Verarbeitungs-
einheiten neue, veränderte Verarbeitungseinheiten zu erzeugen.
• Einer Bewertungsfunktion , die das Verhalten der Verarbeitungseinheit in seiner „Um-
welt“ beschreibt.
• Einer Fitnessfunktion , um die Resultate der Bewertungsfunktion in einen Fitnesswert
für die Verarbeitungsidentität zu transformieren.
• Einer Ersetzungsstrategie , gemäß der die neuen Verarbeitungseinheiten in die Popula-
tion übernommen werden und dabei die alten Verarbeitungseinheiten verdrängen.

Damit ist die Grundform des genetischen Algorithmus gegeben, die natürlich in vielfäl-
tiger Weise variiert werden kann. Wesentlich sind die verschiedenen Komponenten, aus
denen der GA zusammengesetzt ist, und die im Folgenden genauer dargestellt werden
sollen.