유전자 알고리즘의 의미와 개념에 대해 알아봅시다.
유전자 알고리즘의 의미와 개념을 이해한다.
유전 알고리즘(Genetic Algorithm)은 복잡한 최적화 문제나 기계 학습 문제를 해결하기 위해 주어진 문제에 대한 답을 무작위로 생성한 다음 답 그룹을 진화시켜 최상의 답을 얻는 방법입니다. 자연 선택은 자연 진화의 핵심 원리입니다. 유전자와 유전자의 개념을 모방한 알고리즘을 말한다. 유전 알고리즘(Genetic Algorithm)은 생물의 진화를 모방하는 알고리즘이다. 강한 것은 살아남고 약한 것은 사라지는 생물의 진화 과정을 모방한 알고리즘이다. 부모 유전자를 점진적으로 재조합해 교배를 통해 자손을 만들어 최적의 답을 얻거나 최적에 가까운 근사값을 찾는 방법이다. 유전자 알고리즘에서는 약하더라도 일부를 남겨 다양성을 확보하고, 자연진화에서는 돌연변이가 발생한다. 마찬가지로 유전자 알고리즘 기술을 사용할 때 돌연변이가 발생할 수 있습니다.
유전자 알고리즘 의미 및 개념 설명
유전 알고리즘(Genetic Algorithm)은 자연계의 진화 체계를 모방한 메타 휴리스틱 알고리즘이다. 자연환경에 적응하며 진화하는 생명체의 모습과 원리를 모방하여 복잡한 최적화 문제를 해결합니다. 딥러닝초기 가중치 설정이나 기능 선택 등에 사용됩니다. 기계 학습 문제를 해결하기 위해 사용되는 데이터 분석 기술입니다. 휴리스틱스(Heuristics)라고도 불리는 휴리스틱스는 시간이나 정보가 부족하여 합리적인 판단을 할 수 없거나, 합리적인 판단이 필요하지 않은 상황에서 빠르고 쉽게 사용할 수 있는 간단한 추론 방법이다. 아니 알겠습니다. 그리고 메타휴리스틱은 복잡한 문제를 해결하기 위해 기존의 부족한 정보에 크게 제약을 받지 않고 시행착오 방법을 통해 다양한 문제에 적용할 수 있는 높은 수준의 휴리스틱 기법을 말한다. 메타휴리스틱 방법 사용 이를 수행하는 알고리즘은 종종 자연 세계의 동작을 모방하는 방법을 사용합니다. 메타휴리스틱 기법을 활용한 알고리즘의 대표적인 예로는 Genetic Algorithm, Artificial Neural Networks, Particle Swarm Optimization 등이 있습니다. 유전 알고리즘에서는 주어진 문제에 대한 답이 무작위로 생성됩니다. 이 방법은 솔루션 그룹을 생성하고 발전시켜 최적화된 솔루션을 얻습니다. 유전 알고리즘에서는 문제의 해결 방법을 고정된 길이의 문자열로 표현하므로 육종 과정을 반복하면서 다음 세대를 생성할 때 교배나 돌연변이 과정을 적용하기가 용이하다. 솔루션이 좋은지 나쁜지 여부는 최적화 문제의 목적 함수에 의해 평가됩니다. 유전 알고리즘에 사용되는 목적 함수를 적합도 함수라고도 합니다. 유전알고리즘에 사용되는 대표적인 연산은 3가지가 있다. 유전자 알고리즘에서 사용되는 대표적인 세 가지 연산은 선택(selection), 교차(crossover), 돌연변이(mutation)이다.[유전 알고리즘에서 사용하는 주요 연산]
선택은 작업을 사용하여 현재 세대에서 다음 세대를 만드는 데 사용되는 답변을 결정합니다. 선택 시 적합도에 따라 확률적으로 결정이 내려집니다. 선택방법 중에는 룰렛휠 선택방법도 있습니다. 룰렛휠 선택은 강한 것만 남기는 것이 아니라, 확률론적으로 다음 세대를 선택하여 약한 것들도 남겨두는 것을 의미합니다. 룰렛 휠 선택은 “적응”의 방법입니다. ‘비례법’이라고도 합니다. 교차란 부모 유전자 중 일부를 재조합하여 다음 자손을 만드는 것을 의미합니다. 한 위치에서 재결합하는 1점 교차, 여러 위치에서 재결합하는 다점 교차, 확률적으로 재결합하는 균일 교차가 있습니다. 교차는 두 개의 답변을 결합하여 새로운 답변을 만드는 프로세스입니다. Crossover를 통해 두 답변 중 가장 좋은 측면만 취한 새로운 답변을 얻는 것이 가능합니다. 돌연변이는 유전자의 일부를 무작위로 변화시켜서 탐색 범위를 넓히는 동시에 국소 최적 답을 찾는 방식으로 부모로부터 얻을 수 없는 유전자를 생성합니다. 해결책: 돌연변이는 답의 일부를 무작위로 변경합니다. 유전 알고리즘은 7단계로 진행됩니다.[유전 알고리즘 진행 단계]
유전자 알고리즘에서는 인구의 적합도에 따라 염색체가 선택되고 유전 연산자를 사용하여 새로운 세대의 인구를 만드는 과정이 반복됩니다. 주어진 환경에 잘 적응하는 유전자만을 선별하고, 교차와 돌연변이도 생성하여 다음 세대를 위한 우수한 유전자를 만들어냅니다. 유전적 특성의 재생산 원리를 사용합니다. 그래서 유전자 알고리즘에서는 진화가 반복되면서 주어진 환경에 가장 최적화되고 적합한 유전자만이 남게 됩니다. 유전 알고리즘은 집단 유전학의 진화 원리를 빌려 문제를 해결하는 기술이다. 유전자 알고리즘은 솔루션 모집단의 내용을 지속적으로 변경하여 진화하고, 좋은 품질의 문제를 찾는 과정을 통해 대응하는 알고리즘입니다. 유전 알고리즘은 1931년 Sewall Wright가 제안한 적합도 지형의 개념입니다. 에서 시작된 알고리즘입니다. 1965년에 Ingo Rechenberg는 이를 사용하여 비행기 익형을 최적화했습니다. 그리고 미국 미시간 대학의 존 홀랜드(John Holland)가 제안한 것이다. Forward Selection, Backward Elimination 및 Stepwise Selection과 같은 다른 알고리즘과 비교할 때 유전 알고리즘은 시간이 덜 걸립니다. 시간은 더 걸리지만 성능은 더 좋은 훌륭한 알고리즘입니다.