...Moi,olisi kiva juttu mikäli täältä palstalta löytyisi neuroverkoista ja mahdollisesti geneettisistä algoritmeista kiinnostuneita henkilöitä ja esittäisivät haasteellisia optimointiprobleemojaan ratkaistavaksi.
neuroverkko- ja optimointitehtäviä!
harrastelija
8761
0Äänestä
Muut lukivat myös
Odottaa vastausta
Näihin keskusteluihin ei ole vielä vastattu. Ole ensimmäinen.
Vastaukset 8
Vanhimmat
Olet varmaan joskus pelannut strategiapelejä. Olen miettinyt geneettisten algoritmien soveltamista päätösten tekemiseen. Ongelmaksi olen havainnut, että geneettisten algoritmien käyttö vastustajan/ien toimintojen ennustamiseen ei ole helppoa, mutta omaan päätösanalyysiin tätä voisi käyttää...
Pitää pohtia vielä neuroverkkojen ja sumean logiikan sovellusaluetta ongelman ratkaisemisessa, kunhan vain ehdin...
materiaalia ko.aiheeseen liittyen(yhteensattuma(ko)? --> http://www.itpress.fi/vanhat/doc/kirjat/inside_peliohjelmointi.htm
Kannattaa alkaa ensin monissa sovellutuksissa tarvittavalla klassisella kauppamatkustajan ongelmalla:
On olemassa avaruuden pisteet ri (i=1,2,...,N) ja on laadittava reitti, joka kulkee kaikkien pisteiden kautta, niin että reitin pituus jossakin mielessä (painotus ratkaisee) on minimi.
Jos ensiksi saisi hyvän, tehokkaan ratkaisun vaikkapa tuhannelle pisteelle.
..niinsanotusta kombinatorisesta räjähdyksestä. Kaikkien vaihtoehtojen läpikäyminenhän vie valovuosia ainakin omalla pc:lläni!!!
kombinatorinen räjähdys = ongelman ratkaisuvaihtoja on usein suuri, jopa ääretön määrä (esim. shakissa siirtoyhdistelmien määrä ylittää maailmankaikkeuden atomien lukumäärän).
Täällä joku kaipaili optimoinnin tehtäviä ja tässä minusta on juuri sellainen sopiva tehtävä.
Olen itse joskus askaroinnut ongelman käytännön sovellutuksen kanssa ja saanut aikaan suhteellisen yksinkertaisen ratkaisun, joka tuotti jonkinlaisen käyvän minimipolun. On mainitsemastasi syystä selvää, ettei suurilla pisteiden lukumäärillä kannatakaan yrittää löytää globaalia minimiä, hyvä lokaali riittää.
Taman pitaisi lisata ymmarrysta hiukkasen.
http://portal.acm.org/citation.cfm?id=5657.5658
(huom! lukekaa pdf)
Geneettisilla algoritmeilla on saatu hyviä tuloksia kauppamatkustajan ongelman ratkaisemisessa.
Yhdellä populaatiolla löytää helposti hyvän approksimaation lokaalille optimille, multipopulaatiomallilla globaalille.
Matlabille on saatavissa Genetic Algorithm Toolbox for Matlab. Se GPL:n alainen ja helposti googlaamalla (Matlab genetic algorithm toolbox download), jos ei halua keksiä pyörää uudestaan...