-
optimizasyon algoritmalarından biri. her türlü yapay zeka modeli ile beraber kullanılabiliyor. çünkü temel mantığı aslında basit. diğer optimizasyon metotlarıyla hibrit olarak da kullanılabildiği gibi genelde katıksız olarak oyunların yapay zekalarında kullanılıyor. unsupervised learning'cilerin en sevdiği metot olabilir. bunun neural network'ler ile beraber kullanılan daha özel versiyonuna neuroevolution modelleri denir.
1. popülasyonda n sayıda canlı yaratılır (bu popülasyon bizim başta rastgele oluşturduğumuz modellerden oluşur). bu canlıların hepsinin kendine ait, ayarlanabilir bir karar mekanizması olur. sonradan mutasyona uğrayabilmeleri ve crossing over yapabilmeleri için sayısal formatta saklanır.
2.canlılara bir iş verilir ve o işte ne kadar başarılı oldukları ölçülür. bu işe fitness fonksiyonu denir. evrimde geçen meşhur kalıp "survival of the fittest"taki fitness bu. yani aslında n sayıdaki modelin ne kadar başarılı olduğunu ölçüyoruz. başarının ne olduğunu da verdiğimiz fitness fonksiyonu belirliyor. mesela yön belirleyip duvarlara çarpmadan gitmeye çalışmak.
3. çevredeki tüm canlılar fitness testine sokulur ve aldıkları puanlara göre sıralanırlar. buradan sonra doğal seçilim işin içine girer. en kötü performans gösteren n/2 sayıdaki canlı (tercihen oran değişebilir) çevreden silinir. yani elenirler. bilakis kötü olan genler de üreme şansı bulamadan yok olur.
4. elenen canlıların yerine, kalan canlıların ayarlanabilir karar mekanizmaları çaprazlanıp mutasyona uğratılarak yeni modeller oluşturulur.
5. bu işlem yüzlerce jenerasyon boyu tekrar edilir ve en sonunda ancak verilen işte en iyi performansı gösteren modeller seçilir.
https://www.youtube.com/watch?v=u2t77mQmJiY -
aslında rastgele üretip ,iyisini seçmektir. bir nevi hill climbing yöntemidir. ama daha önce hiç görmemiş, duymamış, uygulamamış kişilere çok muhteşemmiş gibi gelir.