자연계에서의 진화

• 자연계 진화의 특징:
  • 환경에 적응하며 해답을 찾아가는 과정.
  • 적자생존: 환경에 적합한 개체가 살아남음.
  • 자연선택 (Selection): 살아남은 개체의 특성이 후대에 유전.
  • 돌연변이 (Mutation): 새로운 특성 추가.
• 자연계의 진화는 일종의 **최적화 연산(Optimization)**이다.
  • Local Maximum을 주의해야함

• AI (Artificial Intelligence)

  • Symbolic 접근 (기호적 접근)

    • 탐색 (지식 활용이 낮음)

    • 전문가 시스템 (규칙 기반으로 지식 사용)

    • 퍼지 논리 (Fuzzy Logic)

      → 확률적 개념 추가

    • 진화 알고리즘 (Evolutionary Algorithm)

      → 확률적 개념 추가

      → 유전 알고리즘(Genetic Algorithm), 유전 프로그래밍(Genetic Programming)

  • Data-driven 접근

    • 머신러닝 (Machine Learning)

유전자 알고리즘 (Genetic Algorithm)

유전자 알고리즘 기본 절차

• 랜덤하게 초기 해답(염색체) 생성
• 해답에 대한 적합도(Fitness) 평가
• 적합도를 기준으로 2개의 해답 선택 (Selection)
• 선택된 해답을 교차 (Crossover) 하여 다음 세대 생성
• 가끔 돌연변이 (Mutation) 를 통해 새로운 해답 추가

핵심 연산자 설명

• 선택 연산자 (Selection)

  • 우수한 성능을 보이는 부모 염색체 2개 선택

  • 보통 룰렛 휠 선택(Roulette Wheel Selection) 방법 사용.

    

    • 확률적인 개념을 이용한다 ⇒ 적합도에 따라서 확률을 부여함 (적합도 비율)
      • 개체의 적합도 / 각각 개체의 적합도 총합
      • 난수를 생성하고 난수의 값이 포함되는 구간에 따라서 확률값을 선택하는 방식
• 교차 연산자 (Crossover)

  • 염색체 간 교배를 흉내냄.

    

  • 임의로 **교차 위치(인덱스)**를 선택하여 유전자를 교환.

    • 해당 교차 지점을 중심으로 유전자를 교환함
    • 완전히 새로운 자손을 생성.