データベースからチームを選択するシステムを開発する必要があります。遺伝的アルゴリズムを使用して、プレーヤーを表す初期集団 (染色体) を識別子として取得することは可能ですか? 各識別子には、さまざまなルール (チーム リーダーになるための要件など) を適用するために使用されるデータベース内の遺伝子があります。
GA はそのようなシナリオに役立ちますか?
1215 次
1 に答える
1
はい、できます。
まず、進化的アルゴリズムは個人の遺伝子型を直接処理します。アルゴリズムで個人をリンクするために識別子を使用していると述べることは、実装の詳細 (質問には役に立たない) であり、単に間違っているようです (アクセスを高速化するには、遺伝子型をメモリにロードする必要があります)。
あなたの問題は単純な組み合わせの問題です。サイズ k のチームを編成したい n 人の利用可能なプレーヤーの数に対して、合計でn! / (k! ⋅ (n - k)!)可能な組み合わせが可能です。これは一般に、今日のコンピューティング リソースで処理するには多すぎる可能性があります。進化的アルゴリズムは、(特に) 分析的解決には大きすぎる特定の関数の最適化、または分析的分析が存在しない場所の最適化を可能にします。
この種のプロセスを実装する方法について混乱しているようです。まず、良い結果を得るには、適切なデータ表現を選択することが重要です。最初に、最適化したいすべての特性と、それらのパフォーマンスとの関係、および相互関係が全体的なパフォーマンスに影響を与えるかどうかを述べる必要があります。
ただし、注意が必要です: 遺伝的アルゴリズムは局所的な最大値に行き詰まる傾向があるため、比較的良いソリューションを厳しすぎたり、急な選択フェーズで罰したりしないようにして、遺伝的多様性を高く保つようにしてください。
そうは言っても、私があなたに行った分析は、純粋に組み合わせの観点からのものでした. コンテキストが重要なチームの観点からは、進化的アルゴリズムは効率的ではありません。たとえば、攻撃側が 3 人、守備側が 2 人、ゴールキーパーが 1 人必要な場合、選手リストを単純に 3 回並べ替える必要があります。最初は優れた攻撃側、次に防御側、最後にゴールキーパーの特性に従って、最高の要素 (並べ替え後の最初の要素) を取得します。 ) を使用してチームを構成します。これは、進化的アルゴリズムを使用するよりもはるかに高速で、最適な結果が得られます。プレイするゲームの仕組みや最適なプレイの内部の仕組みがわからない場合は、遺伝的アルゴリズムなどの進化的アルゴリズムが最適です。
それでも、遺伝的アルゴリズムをいじり始めて、その可能性と限界を把握することをお勧めします。Python のdeapやpyevolveなどの単純な言語の単純なフレームワークから始めて、アイデアを試してみることをお勧めします。
于 2013-07-08T20:13:23.043 に答える