About: Mutation (genetic algorithm)     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : yago:Event100029378, within Data Space : dbpedia.org associated with source document(s)
QRcode icon
http://dbpedia.org/describe/?url=http%3A%2F%2Fdbpedia.org%2Fresource%2FMutation_%28genetic_algorithm%29

Mutation is a genetic operator used to maintain genetic diversity from one generation of a population of genetic algorithm chromosomes to the next. It is analogous to biological mutation. Mutation alters one or more gene values in a chromosome from its initial state. In mutation, the solution may change entirely from the previous solution. Hence GA can come to a better solution by using mutation. Mutation occurs during evolution according to a user-definable mutation probability. This probability should be set low. If it is set too high, the search will turn into a primitive random search.

AttributesValues
rdf:type
rdfs:label
  • Mutació (algorisme genètic)
  • Mutation (evolutionärer Algorithmus)
  • Χρωμοσωμική μετάλλαξη
  • Mutation (genetic algorithm)
  • Mutación (computación evolutiva)
  • Mutacja w algorytmie ewolucyjnym
  • 突變 (遺傳演算法)
rdfs:comment
  • Η χρωμοσωμική μετάλλαξη (ή χρωματοσωμική μετάλλαξη) έχει ως αποτέλεσμα είτε την αλλαγή της δομής των χρωμοσωμάτων, είτε την αλλαγή του αριθμού των χρωμοσωμάτων. Στην πρώτη περίπτωση λέγεται χρωματοσωματική αναδιάταξη, ενώ στην δεύτερη περίπτωση λέγεται γονοτυπική μετάλλαξη.
  • 在遺傳演算法裡面,突變是用來維持演算法裡面,族群(population)裡面每一個世代的染色體到下一個世代時,還能夠維持遺傳多樣性的一個遺傳運算元(genetic operator)。這個運算元設計上雷同於生物學方面的突變(這也就是這個命名的由來)。 有一種經典的突變運算元範例,會牽涉到將染色體裡面任意位元從原來的狀態改掉的機率。常用來實做這種突變運算元的方法是對染色體字串的每個位元分別產生一個隨機變數。這個隨機變數用來告訴我們這個特定的位元是否要被修改。這種突變的過程叫做單點突變(single point mutation),因為他的設計基於生物學上的點突變。其他的突變方式包含倒置(inversion)和浮點突變(floating point mutation)。 當基因的設計以排列問題的形式限制,那突變的方式就會變成交換,倒置或者打亂。 遺傳演算法裡面突變的目的在於維持並且提昇多樣性。突變應該要能夠藉由避免讓族群裡的染色體過於相近,來防範演算法掉入區域極值,因此減慢或者停止進化過程。相同的理由也可以用來解釋為何大多數遺傳演算法的系統避免只使用的染色體來產生下一代 ,而是在一些比較適合的裡面隨機(或者半隨機)的選擇出一些來產生下一代。
  • En els algorismes genètics, una mutació és un operador genètic utilitzat per mantenir la diversitat genètica d'una generació d'una població de cromosomes a la següent. És anàleg a la mutació en biologia. Es dóna amb molt poca freqüència d'ocurrència (fenomen rar) i pot, fins i tot, no ser emprat. Si en la generació actual va a produir-se una mutació fem els següents passos: * Seleccionar a l'atzar un individu qualsevol. * Triar un punt de mutació a l'atzar en la seva cadena genètica. * Canviar el valor del bit afectat. * Retornar el nou individu a la població.
  • Unter Mutation versteht man bei einem evolutionären Algorithmus (EA) die zufällige Änderung eines . Sie ist die Umsetzung der biologischen Mutation für EA. Eine solche Zuordnung von einem alten Genom (und eventuell Zufallszahlen) zu einem neuen Genom ist eine Funktion und heißt Mutations-Funktion. Jede Mutations-Funktion ist ein genetischer Operator. Für unterschiedliche Genom-Typen eignen sich unterschiedliche Mutations-Typen unterschiedlich gut:
  • Mutation is a genetic operator used to maintain genetic diversity from one generation of a population of genetic algorithm chromosomes to the next. It is analogous to biological mutation. Mutation alters one or more gene values in a chromosome from its initial state. In mutation, the solution may change entirely from the previous solution. Hence GA can come to a better solution by using mutation. Mutation occurs during evolution according to a user-definable mutation probability. This probability should be set low. If it is set too high, the search will turn into a primitive random search.
  • Mutación es, en el campo de la computación evolutiva, un operador genético usado para mantener la diversidad genética de una población. Es análogo a la mutación biológica. Un ejemplo clásico de operador de mutación consiste en la modificación de un bit en un algoritmo genético. Esta modificación se efectúa con una probabilidad preestablecida, llamada probabilidad de mutación.
foaf:isPrimaryTopicOf
dct:subject
Wikipage page ID
Wikipage revision ID
Link from a Wikipage to another Wikipage
sameAs
dbp:wikiPageUsesTemplate
has abstract
  • En els algorismes genètics, una mutació és un operador genètic utilitzat per mantenir la diversitat genètica d'una generació d'una població de cromosomes a la següent. És anàleg a la mutació en biologia. El propòsit de la mutació en els algorismes genètics és evitar que la població de cromosomes sigui massa similar entre si, cosa que podria provocar una solució no prou acurada. Aquest raonament també explica el fet que la majoria de sistemes d'algorismes genètics eviten escollir només el cromosoma amb l' més alta de la població per generar la següent, i en el seu lloc utilitzen una selecció aleatòria (o semi aleatòria) ponderant segons l'adequació dels cromosomes. Es dóna amb molt poca freqüència d'ocurrència (fenomen rar) i pot, fins i tot, no ser emprat. Si en la generació actual va a produir-se una mutació fem els següents passos: * Seleccionar a l'atzar un individu qualsevol. * Triar un punt de mutació a l'atzar en la seva cadena genètica. * Canviar el valor del bit afectat. * Retornar el nou individu a la població. Individu original: 0 0 0 1 1 0 1 0 1 0 1 0 1 1 0 1 Individu mutat: 0 0 0 1 1 0 1 0 1 0 1 1 1 1 0 1 La mutació serveix com a mecanisme de control del procés. * taxa mutació alta: ajuda a evitar mínims locals/màxims locals. * taxa mutació baixa: facilita la convergència.
  • Unter Mutation versteht man bei einem evolutionären Algorithmus (EA) die zufällige Änderung eines . Sie ist die Umsetzung der biologischen Mutation für EA. Eine solche Zuordnung von einem alten Genom (und eventuell Zufallszahlen) zu einem neuen Genom ist eine Funktion und heißt Mutations-Funktion. Jede Mutations-Funktion ist ein genetischer Operator. Eine Mutation sollte idealerweise nur kleine Änderungen hervorrufen, jedoch in der Summe so viel, dass die Individuen über die Laufzeit eines evolutionären Algorithmus fast die gesamte Wertelandschaft abdecken, auf der optimiert werden soll. Am Anfang des Laufens eines EA ist es deswegen günstiger, größere Änderungen zuzulassen, während im fortgeschritteneren Stadium nur noch kleine Änderungen erlaubt sein sollten, um Individuen, die sich bereits nahe einem Optimum befinden, nicht von diesem Optimum wegzubringen. Ein evolutionärer Algorithmus mit einer globalen Mutationsrate (Anteil der Gesamtpopulation, die der Mutation unterzogen wird) von 0 wird sehr schlechte Ergebnisse liefern, da einmal durch Kreuzungsfunktionen aus der Population gefallene Allele niemals wieder in die Population zurückkehren können und somit, falls sie ein Teil des der global optimalen Lösung waren, zum Auffinden dieser fehlen. Ist die Mutationsrate hingegen zu hoch, werden Individuen nahe beim Optimum wieder von diesem weggedrängt und der Algorithmus kann nicht konvergieren. Bei Verwendung von für das Problem nicht gut geeigneten Kreuzungsfunktionen oder Problemrepräsentationen kann es zu ungewollten Mutationen bei der Kreuzung kommen. Dabei entsteht an manchen Stellen des Chromosoms eine Ausprägung des Allels, die sich auf keinen der Elternindividuen zurückführen lassen, noch bevor es zum eigentlichen Mutationsschritt kommt. Für unterschiedliche Genom-Typen eignen sich unterschiedliche Mutations-Typen unterschiedlich gut:
  • Η χρωμοσωμική μετάλλαξη (ή χρωματοσωμική μετάλλαξη) έχει ως αποτέλεσμα είτε την αλλαγή της δομής των χρωμοσωμάτων, είτε την αλλαγή του αριθμού των χρωμοσωμάτων. Στην πρώτη περίπτωση λέγεται χρωματοσωματική αναδιάταξη, ενώ στην δεύτερη περίπτωση λέγεται γονοτυπική μετάλλαξη.
  • Mutation is a genetic operator used to maintain genetic diversity from one generation of a population of genetic algorithm chromosomes to the next. It is analogous to biological mutation. Mutation alters one or more gene values in a chromosome from its initial state. In mutation, the solution may change entirely from the previous solution. Hence GA can come to a better solution by using mutation. Mutation occurs during evolution according to a user-definable mutation probability. This probability should be set low. If it is set too high, the search will turn into a primitive random search. The classic example of a mutation operator involves a probability that an arbitrary bit in a genetic sequence will be flipped from its original state. A common method of implementing the mutation operator involves generating a random variable for each bit in a sequence. This random variable tells whether or not a particular bit will be flipped. This mutation procedure, based on the biological point mutation, is called single point mutation. Other types are inversion and floating point mutation. When the gene encoding is restrictive as in permutation problems, mutations are swaps, inversions, and scrambles. The purpose of mutation in GAs is to introduce diversity into the sampled population. Mutation operators are used in an attempt to avoid local minima by preventing the population of chromosomes from becoming too similar to each other, thus slowing or even stopping convergence to the global optimum. This reasoning also leads most GA systems to avoid only taking the fittest of the population in generating the next generation, but rather selecting a random (or semi-random) set with a weighting toward those that are fitter. For different genome types, different mutation types are suitable: * Bit string mutationThe mutation of bit strings ensue through bit flips at random positions.Example: The probability of a mutation of a bit is , where is the length of the binary vector. Thus, a mutation rate of per mutation and individual selected for mutation is reached. * Flip Bit This mutation operator takes the chosen genome and inverts the bits (i.e. if the genome bit is 1, it is changed to 0 and vice versa). * Boundary This mutation operator replaces the genome with either lower or upper bound randomly.This can be used for integer and float genes. * Non-Uniform The probability that amount of mutation will go to 0 with the next generation is increased by using non-uniform mutation operator. It keeps the population from stagnating in the early stages of the evolution. It tunes solution in later stages of evolution. This mutation operator can only be used for integer and float genes. * Uniform This operator replaces the value of the chosen gene with a uniform random value selected between the user-specified upper and lower bounds for that gene. This mutation operator can only be used for integer and float genes. * Gaussian This operator adds a unit Gaussian distributed random value to the chosen gene. If it falls outside of the user-specified lower or upper bounds for that gene, the new gene value is clipped. This mutation operator can only be used for integer and float genes. * Shrink This operator adds a random number taken from a Gaussian distribution with mean equal to the original value of each decision variable characterizing the entry parent vector.
  • Mutación es, en el campo de la computación evolutiva, un operador genético usado para mantener la diversidad genética de una población. Es análogo a la mutación biológica. Un ejemplo clásico de operador de mutación consiste en la modificación de un bit en un algoritmo genético. Esta modificación se efectúa con una probabilidad preestablecida, llamada probabilidad de mutación. El propósito de la mutación es proveer un mecanismo para escapar abruptamente de los óptimos locales, así como desplazar a los individuos hacia zonas del espacio de búsqueda que no pueden ser alcanzadas por medio de otros operadores genéticos.
  • 在遺傳演算法裡面,突變是用來維持演算法裡面,族群(population)裡面每一個世代的染色體到下一個世代時,還能夠維持遺傳多樣性的一個遺傳運算元(genetic operator)。這個運算元設計上雷同於生物學方面的突變(這也就是這個命名的由來)。 有一種經典的突變運算元範例,會牽涉到將染色體裡面任意位元從原來的狀態改掉的機率。常用來實做這種突變運算元的方法是對染色體字串的每個位元分別產生一個隨機變數。這個隨機變數用來告訴我們這個特定的位元是否要被修改。這種突變的過程叫做單點突變(single point mutation),因為他的設計基於生物學上的點突變。其他的突變方式包含倒置(inversion)和浮點突變(floating point mutation)。 當基因的設計以排列問題的形式限制,那突變的方式就會變成交換,倒置或者打亂。 遺傳演算法裡面突變的目的在於維持並且提昇多樣性。突變應該要能夠藉由避免讓族群裡的染色體過於相近,來防範演算法掉入區域極值,因此減慢或者停止進化過程。相同的理由也可以用來解釋為何大多數遺傳演算法的系統避免只使用的染色體來產生下一代 ,而是在一些比較適合的裡面隨機(或者半隨機)的選擇出一些來產生下一代。
prov:wasDerivedFrom
page length (characters) of wiki page
is foaf:primaryTopic of
is Link from a Wikipage to another Wikipage of
is Wikipage disambiguates of
Faceted Search & Find service v1.17_git51 as of Sep 16 2020


Alternative Linked Data Documents: PivotViewer | iSPARQL | ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 08.03.3321 as of Jun 2 2021, on Linux (x86_64-generic-linux-glibc25), Single-Server Edition (61 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2021 OpenLink Software