SlideShare a Scribd company logo
1 of 21
Download to read offline
基因演算法簡介
⼤大綱

• 簡介基因演算法	

• 優缺點	

• Live

Demo
先來上⼀一點⽣生物學
(。⼝口。)/
何謂基因
• ⼀一組特定的DNA序列	

• 序列的樣式會決定⽣生物

的⾏行為	

• 不同的⽣生物個體會有不

同的基因組合
基因演化
多組基因(⽣生物多樣性)	

天擇(適者⼦子孫滿堂)	

繁殖(將基因遺傳給後代)
交配(交換彼此的基因訊息)	

突變(出現親代沒有的基因訊息)
然後我們模仿這個過程
(。v。)/
定義基因
• ⼀一組特定的數字/字⺟母/⻤⿁鬼
A C 9 8 6 9 7 D 3
4 8 M 3 T Y B J X
P 9 C B G M D X P

東⻄西的序列	

• 序列的樣式會決定程式

的⾏行為	

• 不同的解個體會有不同

的基因組合
定義基因
• 遊戲AI的各種參數


(武器偏好,選擇不同⾏行為的機率...)	


A C 9 8 6 9 7 D 3
4 8 M 3 T Y B J X
P 9 C B G M D X P

• ⼯工廠⽣生產排序


(第⼀一班做產品A,第⼆二班做產品B...)	


• 考試卷選擇題的答案	

• 填字遊戲每個格⼦子要填

的字⺟母
基因演化
多組基因(⽣生物多樣性)	

天擇(適者⼦子孫滿堂)	

繁殖(將基因遺傳給後代)
交配(交換彼此的基因訊息)	

突變(出現親代沒有的基因訊息)
基因演化
多組基因	

天擇	


先隨機產⽣生多組基因組合

繁殖
1 C 9 8 6 9 7 D
2 8 M 3 T Y B J
3 9 C B G M D X
4 M 3 H Y 9 6 V
5 8 J R Y C Y 6
6 X X V Y 2 D Y
7 2 0 4 1 7 3 1

3
X
P
Y
6
Q
7
基因演化
多組基因	


把基因餵給天擇函數計算分數	

以此為天擇的結果

天擇	

繁殖
10
23
6
45
-7
8
12

1 C 9 8 6 9 7 D
2 8 M 3 T Y B J
3 9 C B G M D X
4 M 3 H Y 9 6 V
5 8 J R Y C Y 6
6 X X V Y 2 D Y
7 2 0 4 1 7 3 1

3
X
P
Y
6
Q
7
基因演化
多組基因	

天擇	

繁殖

把基因餵給天擇函數計算分數	

以此為天擇的結果
天擇函數可以是:	

	

 - AI 的殺敵次數	

- ⼯工廠⽣生產成本	

- 考卷分數
基因演化
多組基因	

天擇	

繁殖

依照天擇分數決定哪些

基因組可以當⽗父⺟母⽣生⼩小孩	

!

原則上:	

- 分數⾼高的被選到的機率⾼高	

- 照排名/分數排除弱基因	

- 其中有相當的隨機成分
基因演化
多組基因	

天擇	

繁殖

選出⽗父⺟母後進⾏行交配

隨機交換基因產⽣生⼦子代
8 M 3 T Y B

J

X P

8

J

3

4

7 D 3

4

9

3

6

9 B

C 9

8

6

9
基因演化
多組基因	

天擇	


依照⼀一定機率隨機突變基因

繁殖
8 M 3 T Y B

J

X P

8

J

3

4

7 D 3

4

9

3

6 V B

C 9

8

6

9
基因演化
多組基因	

天擇	

繁殖

繁殖出夠多的⼦子代	

然後開始第⼆二輪的天擇迴圈
1 C 9 8 6 9 7 D
2 8 M 3 T Y B J
3 9 C B G M D X
4 8 9 3 6 V B J
5 8 J R Y C Y 6
6 X X V Y 2 D Y
7 2 0 4 1 7 3 1

3
X
P
3
6
Q
7

3
K
4
4
C
G
3
基因演化
多組基因	


當迴圈終⽌止,到達演化終點	

最⾼高分者即為求得的解

天擇	

繁殖
演化終點

10
23
6
145
-7
8
12

1 C 9 8 6 9 7 D
2 8 M 3 T Y B J
3 9 C B G M D X
4 8 9 3 6 V B J
5 8 J R Y C Y 6
6 X X V Y 2 D Y
7 2 0 4 1 7 3 1

3
X
P
3
6
Q
7

3
K
4
4
C
G
3

勝
基因演化
多組基因	

天擇	

繁殖
演化終點

演化迴圈的終⽌止條件:	

!

天擇分數夠⾼高	

基因已經收斂不再變化	

超過時間	

記憶體不夠⽤用	

- 其他...
-
優缺點

• 能快速找到「良好」的解	


• 不⾒見得能取得「最佳解」	


• 能定義基因就能試著解	


• 不是每個問題都適⽤用	


• 實作通常不困難	


• 天擇函數影響效率	


• 論⽂文產⽣生器

• 需要調教參數
LIVE
DEMO

(。v。)/

|	

/
Q&A

More Related Content

What's hot

那些我們幾乎都沒學過 ,但是也不太會想去學的 《非歐幾何學》
那些我們幾乎都沒學過 ,但是也不太會想去學的  《非歐幾何學》那些我們幾乎都沒學過 ,但是也不太會想去學的  《非歐幾何學》
那些我們幾乎都沒學過 ,但是也不太會想去學的 《非歐幾何學》鍾誠 陳鍾誠
 
用十年也搞不懂《Cantor奇幻的集合論世界》
用十年也搞不懂《Cantor奇幻的集合論世界》用十年也搞不懂《Cantor奇幻的集合論世界》
用十年也搞不懂《Cantor奇幻的集合論世界》鍾誠 陳鍾誠
 
用十分鐘將你的網站送上雲端
用十分鐘將你的網站送上雲端用十分鐘將你的網站送上雲端
用十分鐘將你的網站送上雲端鍾誠 陳鍾誠
 
醜簡報的進化 (三):視覺美化
醜簡報的進化 (三):視覺美化 醜簡報的進化 (三):視覺美化
醜簡報的進化 (三):視覺美化 Jian-Ming Ke
 
使徒行傳第五章 順從神,不順從人
使徒行傳第五章  順從神,不順從人使徒行傳第五章  順從神,不順從人
使徒行傳第五章 順從神,不順從人查經簡報分享
 
用十分鐘搞懂 《系統分析、軟體工程、專案管理與設計模式》
用十分鐘搞懂   《系統分析、軟體工程、專案管理與設計模式》用十分鐘搞懂   《系統分析、軟體工程、專案管理與設計模式》
用十分鐘搞懂 《系統分析、軟體工程、專案管理與設計模式》鍾誠 陳鍾誠
 
價值概念與成本意識 實踐大學-K2-1-詹翔霖教授
價值概念與成本意識 實踐大學-K2-1-詹翔霖教授價值概念與成本意識 實踐大學-K2-1-詹翔霖教授
價值概念與成本意識 實踐大學-K2-1-詹翔霖教授翔霖 詹
 
用十分鐘決定要不要念大學《資訊工程系》
用十分鐘決定要不要念大學《資訊工程系》用十分鐘決定要不要念大學《資訊工程系》
用十分鐘決定要不要念大學《資訊工程系》鍾誠 陳鍾誠
 
MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】Hiroyuki Muto
 
康軒中自二下Ppt經典款ch6 4
康軒中自二下Ppt經典款ch6 4康軒中自二下Ppt經典款ch6 4
康軒中自二下Ppt經典款ch6 4fbw41598
 
2018 高三選修物理-5-2-光的干涉
2018 高三選修物理-5-2-光的干涉2018 高三選修物理-5-2-光的干涉
2018 高三選修物理-5-2-光的干涉阿Samn的物理課本
 
ユークリッド最小全域木
ユークリッド最小全域木ユークリッド最小全域木
ユークリッド最小全域木理玖 川崎
 
Paradigme
ParadigmeParadigme
Paradigmemoclyn
 
2020 8-4 位能與8-5 力學能守恆-2-彈性位能
2020 8-4 位能與8-5 力學能守恆-2-彈性位能2020 8-4 位能與8-5 力學能守恆-2-彈性位能
2020 8-4 位能與8-5 力學能守恆-2-彈性位能阿Samn的物理課本
 
熱傷ショック期の抗凝固療法について
熱傷ショック期の抗凝固療法について熱傷ショック期の抗凝固療法について
熱傷ショック期の抗凝固療法についてYuichi Kuroki
 
交⼤資訊⼯程學系備審資料 ⾱詠祥
交⼤資訊⼯程學系備審資料 ⾱詠祥交⼤資訊⼯程學系備審資料 ⾱詠祥
交⼤資訊⼯程學系備審資料 ⾱詠祥鍾誠 陳鍾誠
 
用十分鐘搞懂 《電腦如何解方程式》
用十分鐘搞懂  《電腦如何解方程式》用十分鐘搞懂  《電腦如何解方程式》
用十分鐘搞懂 《電腦如何解方程式》鍾誠 陳鍾誠
 

What's hot (20)

那些我們幾乎都沒學過 ,但是也不太會想去學的 《非歐幾何學》
那些我們幾乎都沒學過 ,但是也不太會想去學的  《非歐幾何學》那些我們幾乎都沒學過 ,但是也不太會想去學的  《非歐幾何學》
那些我們幾乎都沒學過 ,但是也不太會想去學的 《非歐幾何學》
 
用十年也搞不懂《Cantor奇幻的集合論世界》
用十年也搞不懂《Cantor奇幻的集合論世界》用十年也搞不懂《Cantor奇幻的集合論世界》
用十年也搞不懂《Cantor奇幻的集合論世界》
 
用十分鐘將你的網站送上雲端
用十分鐘將你的網站送上雲端用十分鐘將你的網站送上雲端
用十分鐘將你的網站送上雲端
 
醜簡報的進化 (三):視覺美化
醜簡報的進化 (三):視覺美化 醜簡報的進化 (三):視覺美化
醜簡報的進化 (三):視覺美化
 
使徒行傳第五章 順從神,不順從人
使徒行傳第五章  順從神,不順從人使徒行傳第五章  順從神,不順從人
使徒行傳第五章 順從神,不順從人
 
Chapter 17 光的干涉和繞射
Chapter 17 光的干涉和繞射Chapter 17 光的干涉和繞射
Chapter 17 光的干涉和繞射
 
用十分鐘搞懂 《系統分析、軟體工程、專案管理與設計模式》
用十分鐘搞懂   《系統分析、軟體工程、專案管理與設計模式》用十分鐘搞懂   《系統分析、軟體工程、專案管理與設計模式》
用十分鐘搞懂 《系統分析、軟體工程、專案管理與設計模式》
 
價值概念與成本意識 實踐大學-K2-1-詹翔霖教授
價值概念與成本意識 實踐大學-K2-1-詹翔霖教授價值概念與成本意識 實踐大學-K2-1-詹翔霖教授
價值概念與成本意識 實踐大學-K2-1-詹翔霖教授
 
用十分鐘決定要不要念大學《資訊工程系》
用十分鐘決定要不要念大學《資訊工程系》用十分鐘決定要不要念大學《資訊工程系》
用十分鐘決定要不要念大學《資訊工程系》
 
MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】
 
康軒中自二下Ppt經典款ch6 4
康軒中自二下Ppt經典款ch6 4康軒中自二下Ppt經典款ch6 4
康軒中自二下Ppt經典款ch6 4
 
2018 高三選修物理-5-2-光的干涉
2018 高三選修物理-5-2-光的干涉2018 高三選修物理-5-2-光的干涉
2018 高三選修物理-5-2-光的干涉
 
双対性
双対性双対性
双対性
 
ユークリッド最小全域木
ユークリッド最小全域木ユークリッド最小全域木
ユークリッド最小全域木
 
Paradigme
ParadigmeParadigme
Paradigme
 
PRML 2.3
PRML 2.3PRML 2.3
PRML 2.3
 
2020 8-4 位能與8-5 力學能守恆-2-彈性位能
2020 8-4 位能與8-5 力學能守恆-2-彈性位能2020 8-4 位能與8-5 力學能守恆-2-彈性位能
2020 8-4 位能與8-5 力學能守恆-2-彈性位能
 
熱傷ショック期の抗凝固療法について
熱傷ショック期の抗凝固療法について熱傷ショック期の抗凝固療法について
熱傷ショック期の抗凝固療法について
 
交⼤資訊⼯程學系備審資料 ⾱詠祥
交⼤資訊⼯程學系備審資料 ⾱詠祥交⼤資訊⼯程學系備審資料 ⾱詠祥
交⼤資訊⼯程學系備審資料 ⾱詠祥
 
用十分鐘搞懂 《電腦如何解方程式》
用十分鐘搞懂  《電腦如何解方程式》用十分鐘搞懂  《電腦如何解方程式》
用十分鐘搞懂 《電腦如何解方程式》
 

Viewers also liked

長庚 0511.2011(曾懷恩教授演講)
長庚 0511.2011(曾懷恩教授演講)長庚 0511.2011(曾懷恩教授演講)
長庚 0511.2011(曾懷恩教授演講)noritsai
 
第二.三單元:科學在研究什麼?微觀0920試教
第二.三單元:科學在研究什麼?微觀0920試教第二.三單元:科學在研究什麼?微觀0920試教
第二.三單元:科學在研究什麼?微觀0920試教bell5
 
電子商務資料分析 上課投影片
電子商務資料分析 上課投影片電子商務資料分析 上課投影片
電子商務資料分析 上課投影片Ethan Yin-Hao Tsui
 
「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數
「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數
「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數Yuan CHAO
 
20161024 R語言資料分析實務 (3)
20161024 R語言資料分析實務 (3)20161024 R語言資料分析實務 (3)
20161024 R語言資料分析實務 (3)羅左欣
 
機器學習簡報 / 机器学习简报 Machine Learning
機器學習簡報 / 机器学习简报 Machine Learning 機器學習簡報 / 机器学习简报 Machine Learning
機器學習簡報 / 机器学习简报 Machine Learning Will Kuan 官大鈞
 
20161003 R語言資料分析實務 (1)
20161003 R語言資料分析實務 (1)20161003 R語言資料分析實務 (1)
20161003 R語言資料分析實務 (1)羅左欣
 
Machine Learning Introduction
Machine Learning IntroductionMachine Learning Introduction
Machine Learning IntroductionMark Chang
 
20161017 R語言資料分析實務 (2)
20161017 R語言資料分析實務 (2)20161017 R語言資料分析實務 (2)
20161017 R語言資料分析實務 (2)羅左欣
 
淺談深度學習
淺談深度學習淺談深度學習
淺談深度學習Mark Chang
 
大數據的獲利模式
大數據的獲利模式大數據的獲利模式
大數據的獲利模式Chang Chiao Hui
 
TensorFlow 深度學習講座
TensorFlow 深度學習講座TensorFlow 深度學習講座
TensorFlow 深度學習講座Mark Chang
 
以深度學習加速語音及影像辨識應用發展
以深度學習加速語音及影像辨識應用發展以深度學習加速語音及影像辨識應用發展
以深度學習加速語音及影像辨識應用發展NVIDIA Taiwan
 
Support Vector Machines
Support Vector MachinesSupport Vector Machines
Support Vector Machinesnextlib
 
Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享
Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享
Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享Etu Solution
 

Viewers also liked (16)

長庚 0511.2011(曾懷恩教授演講)
長庚 0511.2011(曾懷恩教授演講)長庚 0511.2011(曾懷恩教授演講)
長庚 0511.2011(曾懷恩教授演講)
 
第二.三單元:科學在研究什麼?微觀0920試教
第二.三單元:科學在研究什麼?微觀0920試教第二.三單元:科學在研究什麼?微觀0920試教
第二.三單元:科學在研究什麼?微觀0920試教
 
電子商務資料分析 上課投影片
電子商務資料分析 上課投影片電子商務資料分析 上課投影片
電子商務資料分析 上課投影片
 
「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數
「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數
「大數據」時代的「小問題」-- 以數據分析的手法處理虛擬歌手聲源參數
 
20161024 R語言資料分析實務 (3)
20161024 R語言資料分析實務 (3)20161024 R語言資料分析實務 (3)
20161024 R語言資料分析實務 (3)
 
機器學習簡報 / 机器学习简报 Machine Learning
機器學習簡報 / 机器学习简报 Machine Learning 機器學習簡報 / 机器学习简报 Machine Learning
機器學習簡報 / 机器学习简报 Machine Learning
 
20161003 R語言資料分析實務 (1)
20161003 R語言資料分析實務 (1)20161003 R語言資料分析實務 (1)
20161003 R語言資料分析實務 (1)
 
Machine Learning Introduction
Machine Learning IntroductionMachine Learning Introduction
Machine Learning Introduction
 
20161017 R語言資料分析實務 (2)
20161017 R語言資料分析實務 (2)20161017 R語言資料分析實務 (2)
20161017 R語言資料分析實務 (2)
 
淺談深度學習
淺談深度學習淺談深度學習
淺談深度學習
 
大數據的獲利模式
大數據的獲利模式大數據的獲利模式
大數據的獲利模式
 
TensorFlow 深度學習講座
TensorFlow 深度學習講座TensorFlow 深度學習講座
TensorFlow 深度學習講座
 
以深度學習加速語音及影像辨識應用發展
以深度學習加速語音及影像辨識應用發展以深度學習加速語音及影像辨識應用發展
以深度學習加速語音及影像辨識應用發展
 
Support Vector Machines
Support Vector MachinesSupport Vector Machines
Support Vector Machines
 
大數據的基本概念(上)
大數據的基本概念(上)大數據的基本概念(上)
大數據的基本概念(上)
 
Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享
Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享
Big Data Tornado - 2015 台灣 Big Data 企業經典應用案例分享
 

基因演算法 2014-02-21