Advanced Algorithms Groep: EII7AAb Studenten: Clermond de Hullu, Wiebren Wolthuis,Simon Wels en Maik...
-
Upload
michiel-aalderink -
Category
Documents
-
view
213 -
download
0
Transcript of Advanced Algorithms Groep: EII7AAb Studenten: Clermond de Hullu, Wiebren Wolthuis,Simon Wels en Maik...
Advanced Algorithms
Groep: EII7AAb
Studenten: Clermond de Hullu , Wiebren Wolthuis ,Simon Wels en Maik Gosenshuis
2
Inhoudopgave
Inleiding Iteratie 1
Sprint 1 Sprint 2
Mieren kolonie algoritme Genetisch algoritme Demo Vragen
3
Inleiding
AAB Manhattan probleem Teamleden
4
Sprint 1
Opgeleverde story’s Invoer platte grond GUI Zoeken optimale route
5
Burndown chart eerste sprint
6
Exacte oplossing
Uitleg exacte oplossing Resultaten exacte
oplossing
7
Sprint 2 Onderzoek
benaderingsalgoritmen Mierenkolonie
Ontwerp mierenkoloniestrategie Datastructuur opzetten Methoden en heuristiek keuze pad
Genetisch Algoritme (GA) Structuur Werking Mutation Crossover Parameters
8
Burndown chart tweede sprint
9
Mierenkolonie werking
Mieren Bijhouden feromonen op de zijden Local update Global update Kiezen het correcte pad Instellingen
10
Genetisch AlgoritmeVoordeel GAs kunnen snel goede oplossingen leveren,
zelfs voor moeilijke oplossingsruimten. Nadeel GAs vinden niet gegarandeerd de optimale
oplossing: ze hebben de neiging te convergeren naar een gevonden oplossing in plaats van de beste oplossing van het op te lossen probleem.
11
Structuur Genetisch Algoritme (GA)
Genetisch Algoritme Dataset Genetic Dataset Vertex Tour
Mutate Crossover
Population Selection
Globaal Klassendiagram
12
Werking Genereren random populatie (Initialisatie)
Rekening houden met afstand vertices Beste tour in de GUI tonen
Random groep genereren Dubbele crossover met de twee beste tours Soms het resultaat muteren
Vervang slechtste tours uit de populatie Populatie alleen aanpassen als de tour niet al
bestaat Eventuele nieuwe beste tour weergeven in de GUI
13
Mutatie
Zorgen dat de populatie niet naar één oplossing convergeert
Random getal kiezen voor aantal mutaties op de tour Gekozen aantal punten wisselen ( Swap ) Controleren of de tour uniek is
14
Single point crossover
Crossover point kiezen Vertices voor het crossoverpoint kopieren van
parent A Overgebleven vertices van parent B kopieren
15
Parameters
Parameter Waarde
NumberOfCloseVertices 5
ChanceToUseCloseVertex
75
PopulationSize 10 000
GroupSize 10
MutationChance 1
16
GUI TSPAlgorithm
Implements runnable Abstract
toString stop run
Geimplementeerd addNewSolutionEventListene
r removeNewSolutionEventList
ener fireNewSolutionFoundEvent
17
Ideeën sprint 3
Genetisch algoritme Focus op een bepaald gebied Optimaliseren
Mierenkolonie algoritme Implementeren
Parameters onderzoeken Oplossingen vergelijken
18
Demo
19
Vragen ?