Технологии интеллектуального анализа данных : учебное пособие

200 кодирования генетический алгоритм может эффективно работать с широким классом функций. Функционирование генетических алгоритмов можно пояс- нить так (рис. 3.25): сначала случайным образом выбирается не- сколько подмножеств из полного набора независимых переменных. Назовем каждое такое подмножество хромосомой, а входящие в него отдельные переменные – генами. Если имеется какая-либо ап- риорная информация, ее желательно использовать при начальном разбиении на хромосомы. Это может отсечь тупиковые пути эво- люции и тем самым ускорить решение задачи. Для каждой хромо- сомы (т.е. набора независимых переменных) можно каким-либо способом (например с помощью дерева решений, регрессионного анализа или какого-либо другого метода) построить зависимости целевой переменной от независимых переменных, входящих в дан- ную хромосому. Так делается для всей первоначальной популяции хромосом. Естественно, что каким-то хромосомам соответствуют более точные модели, каким-то – менее точные. В соответствии с этой точностью каждой хромосоме приписывается некоторое оце- нивающее ее значение, критерий ее ценности. Это может быть, на- пример, количество правильно классифицируемых случаев или ве- личина стандартной ошибки модели. Рис. 3.25. Схема генетического алгоритма Создание популяции Оценка пригодности Оценка индивидуумов Отбор индивидуумов Мутация Скрещивание Брак Нет Да Решение