유전자 알고리즘에 대한 실제 응용 프로그램은 무엇입니까?

유전자 알고리즘을 사용하여 해결 된 실제 문제는 무엇입니까? 무엇이 문제입니까? 이 문제를 해결하기 위해 사용되는 체력 테스트는 무엇입니까?

관계형 데이터베이스의 최적화 프로그램 예는 PostgreSQL 과 H2입니다 . 다른 데이터베이스도 유전자 알고리즘을 사용합니다. 문제는 최상의 쿼리 계획 (예상 비용이 가장 낮은 계획)을 선택하는 것이 NP-hard입니다. 체력 테스트는 예상 비용입니다.

라마르크 유전자 알고리즘은 특정 수용체와 결합 할 수있는 잠재적 인 신규 약물 화합물의 화면 chemoinformatics 사용된다.

계산 문제는 화학 데이터베이스를 통해 정확하게 방향을 잡을 수있는 (수용체를 포함하는 분자의 가능한 방향을 작성) 후보를 찾아 내고 구조적 검색과 결합하는 것입니다 (즉, 분자의 회전 가능한 비틀림을 고려하는 것) , 이는 강하게 반응에 영향을 미칠 수있다 ).

이전에는 방향 검색 또는 형태 검색을 수행 할 수 있었지만 둘 다 수행 할 수는 없었습니다. LGA는 컴퓨터 속도 향상을 활용하며 유전자 알고리즘의 글로벌 검색과 로컬 검색을 결합합니다.

Nasa는 Antenna Design에 대한 유전자 알고리즘을 만들었습니다 .

체력 테스트는 다음과 같습니다.

안테나를 평가하는 데 사용되는 피트니스 기능은 전압 정재파 비 (VSWR)와 송신 및 수신 주파수의 게인 값의 함수입니다. VSWR은 반사파 간섭을 정량화하여 접합부에서 임피던스 불일치 양을 측정하는 방법입니다. VSWR은 전송 라인을 따라 신호 엔벨로프에서 가장 높은 전압과 가장 낮은 전압 사이의 비율입니다.

금융, 특히 포트폴리오 최적화 문제를 위해 종종 사용됩니다. 이 주제에 관한 많은 논문이 있지만, 예를 들어 포트폴리오 최적화의 유전자 알고리즘을 참조하십시오 .

GA를 사용하여 제조 및 교육 일정 문제를 해결했습니다. 첫 번째 경우의 피트니스 기능은 주어진 기간 동안 요청 된 항목이 얼마나 많이 제조 되었는가하는 것이고, 두 번째 경우의 피트니스는 상충되는 일정에 따라 결정되었습니다.

응용 프로그램에 관심이 있다면 citeseerx에 관한 20K 이상의 논문에 대한 링크가 있습니다.

나는 저항 할 수 없지만 Roger Alsing의 작품을 지적한다.

http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/

반투명 삼각형을 50 개만 사용하여 Mona Lisa의 이미지를 나타 냅니다.

안테나 설계는 이미 언급되었으며 매우 풍부한 영역입니다. (전기 공학에서 컴퓨터 과학 (90 년대 후반),보다 구체적으로 바이오 영감 계산 및 인공 지능 (지난 5 년 정도)에 이르기까지의 움직임을 시작한 것은 매우 직접적입니다.)

같은 맥락에서 안테나 배열 최적화, 특히 위상 배열 최적화를 위해 안테나 설계의 모든 골치 거리 등을 추가 할 것입니다. 안테나, 안테나 어레이, 마이크로파 필터, 광학 격자, 메타 물질 장치 설계 등 전자기 장치 설계의 전 분야에서 실제로 기회가 있습니다. 날짜 별 조사는 유전자 알고리즘에 의한 전자기 최적화 이며,보다 최근의 조사는 전자기의 유전자 알고리즘입니다 . (나는 정말로 두 번째 것을 사야한다.

비전 자기 회로 설계에 관한 많은 좋은 논문을 보았습니다. GA는 경쟁적인 op-amp 또는 기타 집적 회로 설계를 제안합니다. GA는 "아날로그"를 통해 FPGA의 아날로그 결함을 이용하여 멍청한 것처럼 간단한 이산 소자 필터 설계도 GA의 목표가 될 수있다. 나는 q 팩터, 공차, 이산 값 및 납땜 기생 모델을 고려하여 훌륭한 제조 가능한 필터를 얻는 것을 보았다. 손에 든 부품.

이것들은 종종 가변 크기 염색체뿐만 아니라 유전자 연산자가 패러다임에 맞추기 위해 소설 (나에게, 어쨌든) 회로 표현을 포함합니다.

최근 피트니스 기능으로 생성 된 물리적 동력의 유체 역학 시뮬레이션을 사용하여 풍력 터빈 블레이드 설계를 발전시키기 위해 GA를 사용하는 것에 대한 질문이있었습니다. [1]

이 비디오는 VAWT 풍력 터빈 블레이드를 개발하기위한 유전자 알고리즘의 사용을 보여줍니다. 결과 블레이드 중 하나는 상당히 다르며 시뮬레이션이 잘된 것 같습니다. 번식 소프트웨어는 디스플레이 소프트웨어 Java 인 Perl로 작성되었으며 CFD 소프트웨어는 OpenFoam입니다. 이 비디오 제작에는 672 시간 이상의 CPU 시간이 소요되었습니다. 참고 : 이후이 실험에서 공기에 대해 잘못된 점도를 사용 했으므로 결과가 지구상에서 유효하지 않다는 것을 발견했습니다. (아마 목성)

[1] "sjh7132"에 의해 YouTube에서 " 풍력 터빈 블레이드 진화 ". TCS.se 질문에서 인용 / 인용 : 유전 알고리즘을 사용하여 풍력 발전 터빈 블레이드를보다 효율적으로 만드는 것이 가능한 범위는?

와인 분류에 GA를 사용하는 것에 대한 연구가 있습니다. 다양한 와인과 생산지 ( "원산지 명칭")를 정확하게 분류합니다. [1] 이것은 농업 시스템에서 GA를 사용하는 부분 집합으로 많은 응용 분야가 있습니다. [2]

[1] NHBeltran et al의 칠레 와인 크로마토 그램을 예로 사용한 특징 선택 알고리즘

Bolboaca et al. [2] 농업 시스템 을 위한 유전자 알고리즘의 최신 기술

항공 우주 분야에서 비행 제어를 위해 GA를 사용하는 것에 대한 많은 논문이 있습니다. 이들 중 다수는 IEEE 탐색기에 의해 게시되거나 검색 가능합니다 . 피트니스 기능은 일반적으로 알고리즘이 비행을 얼마나 잘 / 효과적으로 제어하는지 측정합니다.

[1] Fantinutto 등 의 유전자 알고리즘 을 이용한 비행 제어 시스템 설계 및 최적화

[2] 초음속 비행 제어에 유전자 알고리즘 적용. 오스틴, 제이콥스

[3] 유전자 알고리즘 기반의 적응 제어 알고리즘 인 Xiaoru Wang을 사용한 F-16 비행 표면 제어 시스템의 멀티 코어 구현

[4] 초음속 차량의 통합 비행 제어에 대한 유전자 알고리즘 기반의 퍼지 논리 제어. 작성자 : Wang Jian

Koza는 비디오 게임 "문제", 즉 원리 증명을위한 Pac Man을 해결하기 위해 Koza에 의해 개척 된 GA의 놀랍고도 심지어 패러다임 전환 사용을 개척했습니다. 모든 비디오 게임과 결과는 사소하거나 "장난감"과는 거리가 멀다.

즉, 그는 게임을 오랫동안 플레이 할 때이기는 실제 행동 을 구현하는 알고리즘을 발전시켰다 . 결과는 아마추어 또는 고급 인간 플레이어 의 성능 수준에 있습니다. 체력 함수는 알고리즘에 의해 점수가 매겨지는 포인트 또는 재생 시간의 길이 일 수 있습니다 (나중에 소행성 게임에서 "사냥"우주선의 고전적인 경우와 같이 스코어 포인트없이 생존 할 수있는 알고리즘은 나중에 진화 할 것입니다). 행동은 "원시적 (primitive)"(예를 들어 감지 몬스터 / 회전 등의 행위)과 기본 전략의 조합을 나타내는 나무로 구현됩니다.

[1] Atif M. Alhejali와 Simon M. Lucas의 유전자 프로그래밍 을 사용하여 진화하는 다양한 Ms. Pac-Man 재생 에이전트

[2] 팩맨을 배우는 법 : Gallagher와 Ryan 의 혁신적인 규칙 기반 접근법

[3] 복잡성이 낮은 규칙 기반 정책을 사용하여 학습하는 법 : István Szita András L ~ orincz의 팩맨을 통한 삽화

연례 GECCO 회의 (진화 계산 연구를위한 최고의 장소)에는 '실제 세계 응용 프로그램'트랙이 있습니다.

이 최근 프레젠테이션을 참조하십시오 .