유전자 알고리즘에 대한 개념 및 각종 자료 조사

목차

1. 이론적 배경

2. ‘데이터 마이닝’의 유전자 알고리즘

3. 유전자 알고리즘의 장/단점

본문내용

모델에 맞는 우수한 개체인지 다시 평가받고 점수가 매겨지게 된다. 이런 과정을 반복함으로써 원하는 결과에 조금씩 가까이 다가간다.
7. Terminate Search
일련의 과정을 마친 개체들은 최초 제시된 문제에 대한 최적화된 결과물이 나올 때까지 반복해서 수행된다.
교차 (Cross Over)
Crossover는 유전자가 재결합하는 방법 중에 하나이다. 두개의 염색체가 서로 교환될 때 새로운 염색체가 생성된다. 위의 그림과 같이 crossover point는 무작위로 정해진다. 이렇게 생성된 son은 부모의 형질이 섞여 있게 된다.
돌연변이 (Mutation)
유전학 관점에서 보면 Crossover로는 설명되지 않은 형질 변환도 가끔 발생된다는 것을 알게되었다. 그것은 바로 ‘돌연변이’이다. 유전자 알고리즘에서는 ‘돌연변이’를 모델에 특성에 근거한 확률로 표현한다. ‘돌연변이’ 새로운 유전자 형질을 만들어 낸다.
3. 유전자 알고리즘의 장/단점
장점
신경망 이론과는 달리, encoding을 잘 하면 결과를
어느 정도 분석할 수 있다.
의미 있는 초기값을 설정할 수 있다.
(예를 들어 복잡한 함수에서 min/max값을 찾는 문제를 유전자 알고리즘을 사용해 푼다면, initial value에 후보가 되는 값들을 포함시킬 수 있다.)
단점
아직은 다양한 연구결과가 없어 이론적인 배경(Schema Theory)이
약하다.
엄청나게 많은 개체수와 세대를 필요로 하는 경우가 대부분이다.
따라서 시스템 높은 성능과 용량이 요구된다.
생물학적 유전자 이론처럼 진화된 결과만이 도출되지 않을수도 있다.

키워드

유전자,   알고리즘,   유전자알고리즘,   유전자 알고리즘,   데이타 마이닝,   유전이론,   진화론