1 / 19

Algoritmos Genéticos

Algoritmos Genéticos. TPE4 álvarez Cura Idesis. Matríz de pesos de la red Vector representativo Función de aptitud = 1/ E. Codificación de los Individos. CONSIDERACIONES. Operadores genéticos : Cruce Mutación Backpropagation Selección y Reemplazo Simples Combinados

adanna
Download Presentation

Algoritmos Genéticos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. AlgoritmosGenéticos TPE4 álvarez Cura Idesis

  2. Matríz de pesos de la red Vector representativo Función de aptitud = 1/E Codificación de los Individos

  3. CONSIDERACIONES • Operadoresgenéticos: • Cruce • Mutación • Backpropagation • Selección y Reemplazo • Simples • Combinados • Criterios de Corte • Cruce • Clásico • Múltiple • UniformeParametrizado • Anular • Mutación • Clásica • Uniforme • Backpropagation • Distintasprobabilidadesparaentrenamiento

  4. Comparación con el TP2 Arquitecturautilizada [20 20] Se utilizó la arquitectura y configuraciónquemejoresresultadoshabíatraído en el TP2 E = 0.05 Se llegó a mejoresresultados E = 0.008

  5. CONFIGURACIÓN Parámetros default Cantidad de individos: 40 Tamaño de la matríz de pesos: 501 Criterio de corte: Máximo 50 generaciones Cruce: Clásico Mutación: Clásico Selección: Elitte+Roulette Reemplazo: Elitte+Roulette Probabilidad de cruce: 0.8 Probabilidad de mutación: 0.001 Probabilidad de entrenamiento: 0.15 Cantidad de épocas que se entrena: 50

  6. Variación de la probabilidad de Entrenamiento Sin entrenamiento %15 probabilidad %30 probabilidad

  7. SIN ENTRENAMIENTO

  8. %15 ENTRENAMIENTO

  9. %30 ENTRENAMIENTO

  10. Variación de la probabilidad de Mutación Sin mutación 0.0001 mutación 0.001 mutación

  11. SIN MUTACIÓN

  12. MUTACIÓN 0.0001

  13. MUTACIÓN 0.001

  14. Variación del tipo de Mutación ClÁSICA NO UNIFORME • no obtuvimosdiferenciasperceptibles

  15. algunosmétodos deselección y reemplazo

  16. ELITE

  17. ROULETTE

  18. ELITE+ROULETTE

  19. Es necesarioimplementarbackpropagationparaobtenerbuenosresultados. • Método Elite eliminadiversidad. • Métodoscombinados con Elite traemejoresresultadosyaqueprosperan los individosmásaptosperono se pierdela diversidad. • Mutación no dabuenosresultadosperomantiene la diversidad. • Al aumentar la probabilidad de entrenamiento, mejoran los resultados, peroaumenta mucho el costocomputacional. ALGUNAS CONCLUSIONES

More Related