Algorithmes génétiques - Population

La population est un sous-ensemble de solutions de la génération actuelle. Il peut également être défini comme un ensemble de chromosomes. Il y a plusieurs choses à garder à l'esprit lors du traitement de la population GA -

  • La diversité de la population devrait être maintenue, sinon elle pourrait conduire à une convergence prématurée.

  • La taille de la population ne doit pas être maintenue très grande car elle peut ralentir une AG, alors qu'une population plus petite peut ne pas être suffisante pour un bon pool d'accouplement. Par conséquent, une taille de population optimale doit être décidée par essais et erreurs.

La population est généralement définie comme un tableau à deux dimensions de - size population, size x, chromosome size.

Initialisation de la population

Il existe deux méthodes principales pour initialiser une population dans un GA. Ils sont -

  • Random Initialization - Remplissez la population initiale avec des solutions complètement aléatoires.

  • Heuristic initialization - Remplissez la population initiale en utilisant une heuristique connue pour le problème.

Il a été observé que la population entière ne doit pas être initialisée à l'aide d'une heuristique, car cela peut amener la population à avoir des solutions similaires et très peu de diversité. Il a été observé expérimentalement que les solutions aléatoires sont celles qui conduisent la population à l'optimalité. Par conséquent, avec l'initialisation heuristique, nous semons simplement la population avec quelques bonnes solutions, remplissant le reste avec des solutions aléatoires plutôt que de remplir la population entière avec des solutions heuristiques.

On a également observé que l'initialisation heuristique, dans certains cas, n'affecte que la fitness initiale de la population, mais au final, c'est la diversité des solutions qui conduit à l'optimalité.

Modèles de population

Il existe deux modèles de population largement utilisés -

Régime permanent

En état stable GA, nous générons une ou deux rejetons à chaque itération et ils remplacent un ou deux individus de la population. Une GA à l'état d'équilibre est également connue sous le nom deIncremental GA.

Générationnel

Dans un modèle générationnel, nous générons «n» rejetons, où n est la taille de la population, et la population entière est remplacée par la nouvelle à la fin de l'itération.