|
}
}
}
void fitness() //find fitness value and evaluation
{
p = pow(2,22);
for(i=0;i<50;i++)
{
double x=0;
for(j=0;j<22;j++)
{
x *=2;
x +=b[i][j];
}
x = -1 + 3*x/(p-1);
eval[i] = x * sin(10*pi*x) + 2.0;
//printf(\"%lf\\n\",eval[i]);
}
}
void findmaxval()
{
double max;
int maxnum;
for(i=0;i<
|
|
|
() //finding fitness value and evaluation
{
for(i=0;i<20;i++)
{
int x=0;
for(j=0;j<7;j++)
{
for(k=j+1;k<8;k++)
{
if(v[i][j]==v[i][k])x++;
if(v[i][j]==v[i][k]+k-j)x++;
if(v[i][j]==v[i][k]-k+j)x++;
}
}
eval[i]=fitnessvalue=28-x;
x=0;
if(fitnessvalue==28) // Printing the result
{
printf(\"The
|
|
|
유전 알고리즘은 최적화 문제에 대한 솔루션을 찾기 위한 기계 학습 및 인공 지능 분야에서 많이 사용되는 하나의 알고리즘입니다. 유전자와 인공지능이 어떤 관계를 갖고 있는지 왜 유전 알고리즘이 이토록 많이 사용되는 주요한 알고리즘
|
|
|
유전자 알고리즘(Genetic Algorithm)
자연선택(natural selection)과 자연유전(natural genetics)에 기초한 탐색기법
적자생존(survival of the fittest)의 원리
각 세대별로 부모스트링(parent string)으로부터 자녀스트링(child string)을 형성
GA는 효과적으로 과거의
|
|
|
기법들을 한 문제에 적용하여 상호보완효과를 기대 할 수도 있음현실 세계에 존재하는 다양한 영역으로부터 고안 Step #1. Metaheuristic?
Step #2. Genetic Algorithm
Step #3. Simulated Annealing
Step #4. H.C.와 G.A., S.A.
Step #5. 결론, 참고문헌
|
|
 |
알고리즘 (Genetic Algorithms) 관련 문제 43
기본 개념 44
선택 연산 44
교차 연산 45
돌연변이 연산 45
고급 주제 45
성능 개선 및 평가 46
응용 및 사례 연구 46
최신 연구 동향 47
? 클라우드 컴퓨팅 및 분산 시스템 관련 문제 47
기본 개념 4
|
|
|
알고리즘 (Genetic Algorithms) 관련 문제 45
클라우드 컴퓨팅 및 분산 시스템 관련 문제 48
신경망 해석 가능성 및 설명 가능 인공지능 관련 문제 52
? 인공지능학 학술이론에 대한 지식검증 기출문제 55
? 인공지능학 연구를 위한 주요 논문주제 61
|
|
메뉴펼치기
