class 3/27

2008-03-27 나무 @504

(1) Tree of Exp
(2) Randomization ( tree의 leaf들을 random하게 selection한다.)
(3) Mutation & Cross-over


randomization

uniform distribution 균등 분포
: 각각이 선택될 확률이 동일
http://en.wikipedia.org/wiki/Uniform_distribution_%28discrete%29
ref. http://en.wikipedia.org/wiki/Probability_distribution


standard normal distribution
http://en.wikipedia.org/wiki/Standard_distribution
(그림)
각각의 op가 선택될 확률은 다르나, 모두 합치면 1이 된다.

(각 op가 뽑힐 확률은 지정해 둔다.)
selection을 (충분히 많이) 무한 번 반복하면 각 op가 가지는 확률을 알 수 있다.

tree 1과 tree 2를 교배시켜 새로운 tree 3을 생성할 때,
각 tree 1과 tree 2의 요소(node)가 변이(mutation)을 일으킬 수 있다.



mutation

tree의 각 node에서 mutation이 일어날 확률을(여부를) 계산(선택)한다.
즉, 각 node마다 mutation probability를 가진다.
(그림)



cross-over

(그림)

(1/2)*(1/2) = 1/4
그러나 (유전자 쌍의 동일한 위치에서 일어나는) cross-over 때문에 매번 다른 유전자를 지닌 자식이 나온다. => "phenotype"
대응되는 node끼리 교배 -> 우열 등의 규칙은 임의로 결정

(그림)


tree 하나를 염색체 하나로 보고 유전 법칙을 적용하자.
염색체가 (이중나선 DNA)쌍으로 존재하듯, 염색체 한 쌍을 보유하는 개체 하나 당 tree 2개로 구성되어 있다고 본다.
교배는 이 개체와 다른 개체, 즉 총 4개의 tree가 mutation, cross-over 수반한 교배를 한다.
이렇게 생성된 evolved 이미지에 criteria를 적용하여 적자생존의 법칙처럼 적당한 이미지가 걸러지도록 한다.



"random 함수는 동일한 확률 분효를 가진다."

(그림)