Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

GAOT Speaker: Moch. Rif’an Inisializega function[pop]=initializega(num,bounds,evalFN,evalOps,options) Parameter input: Num : jumlah.

Presentasi serupa


Presentasi berjudul: "GAOT Speaker: Moch. Rif’an Inisializega function[pop]=initializega(num,bounds,evalFN,evalOps,options) Parameter input: Num : jumlah."— Transcript presentasi:

1 GAOT Speaker: Moch. Rif’an rif_an91@yahoo.com

2 Inisializega function[pop]=initializega(num,bounds,evalFN,evalOps,options) Parameter input: Num : jumlah individu dalam satu populasi Bounds: matriks batas bawah dan batas atas dari allele

3 Inisializega evalFN: fungsi evaluasi evalOps: opsi untuk fungsi evaluasi, dan memiliki nilai default [ ] Options: matriks opsi untuk inisialisasi, dan terdiri atas kolom pertama adalah epsilon, dan kolom kedua adalah 1 jika float dan 0 jika biner.

4 ga function[x,endpop,bpop,traceinfo]= ga(bounds,evalFN,evalOps,startPop, opts,termFN,termOps,selectFN,select ops,xoverFNs,xOverOps,mutFNs,mut Ops)

5 ga Bounds: matriks batas bawah dan batas atas dari allele evalFN: fungsi evaluasi evalOps: opsi untuk fungsi evaluasi, dan memiliki nilai default [ NULL] startPop: matriks yang merupakan hasil inisialisasi

6 ga Opts: [epsilon prob_ops display] dengan epsilon merupakan perubahan yang dibutuhkan untuk mempertimbangkan dua penyelesaian berbeda, prob_ops adalah 0 jika digunakan algoritma versi biner dan 1 jika digunakan versi flot, display mengendalikan tampilan perkembangan algoritma, 1 menampilkan generasi terbaru dan penyelesaian terbaik, 0 tidak ada tampilan selama program berjalan. [1e -6 1 0]

7 ga termFN: nama fungsi terminasi termOps: string option yang akan digunakan dalam fungsi terminasi. Bounds: matriks batas bawah dan batas atas dari allele SelectFN: nama fungsi seleksi.m file SelectOps: string yang digunakan dalam fungsi seleksi

8 ga xOverFNs: string fungsi crossover xOverOps: matriks parameter crossover mutFNs: string fungsi mutasi mutOps: matriks parameter mutasi

9 Fungsi evaluasi function [sol, val] = GA_Eval(sol,options) Parameter input: sol: individu dalam populasi Options: matriks opsi untuk inisialisasi, dan terdiri atas kolom pertama adalah epsilon, dan kolom kedua adalah 1 jika float dan 0 jika biner.[1 e-6 1]

10 Fungsi evaluasi Parameter output: sol: individu baru dalam populasi setelah ditambahkan nilai fitness val: nilai fitness

11 Fungsi Operator Simple crossover Uniform crossover arithXover cyclicXover dsb

12 Simple crossover function [c1,c2] = SimpleXover(p1,p2,bounds,Ops) Mengambil dua parent p1, p2 dan melakukan crossover sederhana tunggal Bounds: matriks batas bawah dan batas atas dari allele

13 Simple crossover Ops adalah [current_generation xoverops]

14 Simple crossover Membangkitkan angka random r dengan distribusi seragam dari 1 sampai m dan membuat dua individu baru dengan

15 Uniform crossover function [ch1,ch2,t] = UniformXover(par1,par2,bounds,Ops) Mengambil dua parent p1, p2 dan melakukan crossover pada beberapa gen dari dua buah chromosome Bounds: matriks batas bawah dan batas atas dari allele

16 Uniform crossover Ops adalah [current_generation xoverops]

17 Uniform crossover Membangkitkan angka random biner r, dan membuat dua individu baru dengan

18 Mutasi Mengubah satu individu menjadi satu individu baru Jenis: Inversionmutation multiNonUnivMutation nonUnivMutation binaryMutation boundaryMutation unifMutation dsb

19 unifMutation Mengubah satu parameter parent berdasarkan distribusi probabilitas uniform function [parent] = UnifMutation(parent,bounds,Ops)

20 unifMutation Memilih variabel r secara acak, dan mengubahnya menjadi angka acak uniform: Dengan: –r = angka random uniform (0,1) –a i = selisih batas atas dan bawah sebuah variabel I –b i = batas bawah sebuah variabel

21 Fungsi seleksi tournSelect roulette normGeomSelect

22 tournSelect function[newPop] = tournSelect(oldPop,options) newPop: Populasi baru yang diseleksi dari oldPop. oldPop: Populasi saat ini

23 roulette function[newPop] = roulette(oldPop,options) newPop: Populasi baru yang diseleksi dari oldPop. oldPop: Populasi saat ini

24 normGeomSelect function[newPop] = normGeomSelect(oldPop,options) newPop: Populasi baru yang diseleksi dari oldPop. oldPop: Populasi saat ini

25 Genetic Algorithms (VIIIa) Results from a small example: Minimize Initial PopulationGeneration 10

26 Genetic Algorithms (VIIIb) Generation 20 Generation 30 Generation 40 Generation 50

27 Transit Routing: Description

28 Transit Routing: Formulation (II) Representation……….

29 Transit Routing: Results 0 1 14 6 7 13 8 12 4 10 3 5 9 2 11 Mandl’s Swiss network --- a benchmark problem

30 Encoding a set of weights in a chromosome

31 Encoding of the network topology

32 Ada Pertanyaan ?

33 Tugas untuk minggu depan Buatlah fungsi Single point crossover (int,bin) Multipoint crossover (int,bin) Uniform crossover (int,bin) Single point mutation (int,bin) Double point mutation (int,bin) Uniform mutation (int,bin) Selection (int,bin)

34 Parent1


Download ppt "GAOT Speaker: Moch. Rif’an Inisializega function[pop]=initializega(num,bounds,evalFN,evalOps,options) Parameter input: Num : jumlah."

Presentasi serupa


Iklan oleh Google