개시하다

게임 상세 정보

장애물의 위치는 고정되어 있으며, 아래 그림과 같다.

유전 알고리즘

유전 알고리즘은 랜덤으로 초기값(유전자)을 주고 선택, 교차, 갑작스런 변이를 반복하는 조작을 통해 자신도 모르게 가장 좋은 결과를 얻는 것을 말한다(이렇지 않을 수도 있다)p>
쉽게 말하면 강자 우 선생은 강자와 약자가 있는 집단에 존재한다p>

가 바로 생명을 모방하는 알고리즘 아닙니까?

더 자세한 내용은 다른 사람에게 맡기고, 간략화된 책 링크를 소개하겠습니다.

• 알기 쉬운 폰[초보자용] 리: 0부터 시작하는 유전 알고리즘[인공지능]
  
• 알기 쉬운 폰유전 알고리즘으로 오셀로의 AI를 배웠다
  
• 꽈당유전 알고리즘 - 그 이론과 선단 기법 | 저자: 동조아청
  

검증 방법

유전 알고리즘을 처음 사용할 때 데이터는 유전인자(코드)로 표시됩니다.

이번 상황은 한 개체가 결승점에 도착하기 전에 10번의 행동을 하는 것이다.

에 따라 다음과 같은 조건에 따라 길이가 10인 유전자(=[①, ②, ③, ④, ⑤, ⑥, ⑥, ⑥, ⑥,],]) 제작p>

• ジャンプする: 1
• ジャンプしない: ０

개체의 유전자=[0,0,1,0,1,0,1,1,0,1]

.

그리고 집단에서 어떻게 우수(적응도가 높은) 개체를 선택하는지 결정합니다.

선택 방법은 여러 가지가 있는데, 이번에는 토너먼트 선택법을 채택하였다.

이것은 현 세대에서 랜덤으로 n개의 개체를 추출하여 적응도가 가장 높은 개체를 선택하여 다음 세대의 그룹으로 복제하는 것이다

다음 세대의 개수가 현 세대와 같은 N개가 될 때까지 이 동작을 반복합니다.

마지막으로 개체의 적응도를 확인하는 평가 함수를 설정합니다.

(실제로 이 평가 함수의 정의는 매우 어렵다.)

이번엔 전진거리를 점수로 사용합니다.

즉, 종점에 가장 가까운 개체를 우수하다고 정의합니다.

,

適応度 = スコア　ー　(ペナルティ ×　ジャンプ回数)

.

이렇게 하면 같은 거리까지 전진할 수 있는 단체 중 쓸모없는 점프를 하지 않은 개체의 적응도가 높아진다p>

그리고 개체수, 세대수와 기타 매개 변수를 적당히 확정하여 계산합니다.

결실

유전 알고리즘의 프로그램 참조여기.p>

검증 조건은 다음과 같습니다:

• 유전자 길이: 10
• 세대당 개체수: 4
• 교차율: 0.5
• 개체 돌연변이율: 0.2
• 유전자 돌연변이율(한 유전자에 대한 돌연변이율):0.3
• 세대수: 100

다음은 내가 환경에서 보여준 예이다.

먼저 0세대(랜덤 초기치)의 4개 개체로 모두 ①개 장애물로 끝납니다.

qita자료0GApic.twitter.com/DE6gZQ9flK

-평야북두(@Default 8058)2018년 7월 30일