Fonction de remise en forme - Fitness function

Une fonction de fitness est un type particulier de fonction objective qui est utilisée pour résumer, sous la forme d'un seul chiffre de mérite , à quel point une solution de conception donnée est proche de la réalisation des objectifs fixés. Les fonctions de fitness sont utilisées dans la programmation génétique et les algorithmes génétiques pour guider les simulations vers des solutions de conception optimales.

Programmation génétique et algorithmes

En particulier, dans les domaines de la programmation génétique et des algorithmes génétiques , chaque solution de conception est généralement représentée comme une chaîne de nombres (appelée chromosome ). Après chaque série de tests, ou la simulation, l'idée est de supprimer les n pires solutions de conception et de race n nouvelles des meilleures solutions de conception. Par conséquent, chaque solution de conception doit se voir attribuer une valeur de mérite, pour indiquer à quel point elle s'est rapprochée de la spécification globale, et cela est généré en appliquant la fonction de fitness aux résultats de test, ou de simulation, obtenus à partir de cette solution.

La raison pour laquelle les algorithmes génétiques ne peuvent pas être considérés comme une manière paresseuse d'effectuer un travail de conception est précisément à cause de l'effort impliqué dans la conception d'une fonction de fitness réalisable. Même si ce n'est plus le designer humain, mais l'ordinateur qui propose le design final, c'est toujours le designer humain qui doit concevoir la fonction fitness. Si cela est mal conçu, l'algorithme convergera vers une solution inappropriée ou aura du mal à converger du tout.

La fonction de fitness ne doit pas seulement être étroitement corrélée avec l'objectif du concepteur, mais elle doit également être efficace en termes de calcul. La vitesse d'exécution est très importante, car un algorithme génétique typique doit être répété plusieurs fois afin de produire un résultat utilisable pour un problème non trivial.

Une approximation de la forme physique peut être appropriée, en particulier dans les cas suivants:

  • Le temps de calcul de la condition physique d'une seule solution est extrêmement élevé
  • Il manque un modèle précis pour le calcul de la condition physique
  • La fonction de remise en forme est incertaine ou bruyante.

Il existe deux classes principales de fonctions de fitness: l'une où la fonction de fitness ne change pas, comme dans l'optimisation d'une fonction fixe ou le test avec un ensemble fixe de cas de test; et une où la fonction de fitness est mutable, comme dans la différenciation de niche ou la co-évolution de l'ensemble des cas de test.

Une autre façon de considérer les fonctions de fitness est en termes de paysage de fitness , qui montre la fitness pour chaque chromosome possible.

La définition de la fonction de fitness n'est pas simple dans de nombreux cas et est souvent effectuée de manière itérative si les solutions les plus adaptées produites par les algorithmes génétiques ne sont pas ce que l'on souhaite. Les algorithmes génétiques interactifs résolvent cette difficulté en sous-traitant l'évaluation à des agents externes qui sont normalement des humains.

Voir également

Références

Liens externes