Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Un procedimento di seeding per algoritmi genetici applicati al flow-shop

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

4 cromosomi dei genitori. Analogamente, ricercando soluzioni di problemi complessi, gli Algoritmi Genetici (che nel prosieguo saranno indicati semplicemente con il loro acronimo GA, Genetic Algorithms) combinano fra di loro pezzi di soluzioni esistenti. In biologia lo sviluppo di idee moderne relative ai processi coinvolti nell’evoluzione è iniziato nel 1859 con la pubblicazione degli studi di Charles Darwin in “On the origin of species by means of natural selection”, studi successivamente sviluppati dall’abate Gregor Mendel, colui che per primo propose un approccio scientifico alla natura, alle proprietà e all’identificazione del materiale ereditario. Darwin, facendo sue le teorie di J.B. Lamarck (fondate sulla legge dell’uso e non uso degli organi e su quella d’ereditabilità dei caratteri acquisiti) e quelle dell’economista inglese Th. Maltus (“ogni popolazione tende a moltiplicarsi all’infinito”), dedusse che la gran maggioranza degli individui muore prima di potersi riprodurre e ciò avviene per il possesso di caratteri sfavorevoli. Questa è la selezione naturale darwiniana. La lotta per l’esistenza, per il cibo, per l’acqua, o il territorio, funge da filtro per individuare i pochi individui destinati a sopravvivere ed a riprodursi. Dato che le esigenze ambientali cambiano continuamente, la selezione naturale favorisce caratteri via via diversi e così gli esseri viventi si trasformano lentamente di generazione in generazione (Lamarck aveva illustrato l’esempio delle giraffe che, costrette dalla necessità di trovare cibo, hanno modificato, naturalmente nei secoli, le caratteristiche del loro collo). Nella lotta per la sopravvivenza non sono favoriti necessariamente gli individui più forti o veloci o i più intelligenti, ma solo quelli che riescono a riprodursi di più, quelli che hanno sviluppato un migliore adattamento all’ambiente. Privo delle conoscenze di genetica e di biologia molecolare necessarie, Darwin aveva compreso la necessità dell’esistenza di variazioni ereditarie, ma non era in grado di spiegarle. In perfetta analogia con gli eventi descritti, i GA partendo da un’iniziale popolazione di cromosomi, ognuno dei quali rappresenta una possibile soluzione del problema, associano ad ognuno di questi un certo livello d’adattamento, il “fitness score”, dipendente dalla bontà della soluzione del problema. Gli individui migliori, in altre parole con maggiore fitness, si riproducono combinandosi con altri individui e si ottiene così una nuova popolazione di possibili soluzioni, prodotta dalla selezione degli individui migliori della generazione corrente. In questo modo, dopo molte generazioni, le buone

Anteprima della Tesi di Barbara Renda

Anteprima della tesi: Un procedimento di seeding per algoritmi genetici applicati al flow-shop, Pagina 2

Tesi di Laurea

Facoltà: Ingegneria

Autore: Barbara Renda Contatta »

Composta da 62 pagine.

 

Questa tesi ha raggiunto 1873 click dal 20/03/2004.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.