|
}
}
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<50;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 solu
|
|
|
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
|
|
메뉴펼치기
