 Co d ě láme  Jak jsme pokro č ili  Selek č ní metody  K ř í ž ení  Problémy, na které jsme narazili  O co se pokusíme nyní  Co d ě láme  Jak.

Prezentace na téma: " Co d ě láme  Jak jsme pokro č ili  Selek č ní metody  K ř í ž ení  Problémy, na které jsme narazili  O co se pokusíme nyní  Co d ě láme  Jak."— Transkript prezentace:

1

2  Co d ě láme  Jak jsme pokro č ili  Selek č ní metody  K ř í ž ení  Problémy, na které jsme narazili  O co se pokusíme nyní  Co d ě láme  Jak jsme pokro č ili  Selek č ní metody  K ř í ž ení  Problémy, na které jsme narazili  O co se pokusíme nyní

3 Vytvo ř it po č íta č ovou hru Proti sob ě budou bojovat dva týmy Cíl ka ž dého č lena týmu: Zabít co nejvíce nep ř átelských hrá čů P ř átelské hrá č e nezabíjet P ř e ž ít co nejdéle Jak toho docílíme: Pomocí lineárních genetických algoritmů Vytvo ř it po č íta č ovou hru Proti sob ě budou bojovat dva týmy Cíl ka ž dého č lena týmu: Zabít co nejvíce nep ř átelských hrá čů P ř átelské hrá č e nezabíjet P ř e ž ít co nejdéle Jak toho docílíme: Pomocí lineárních genetických algoritmů

4  Rozhýbali jsme hrá č e  Rozd ě lili hrá č e na dva týmy  Dali jsme hrá čů m do rukou zbran ě  Umo ž nili jsme hrá čů m se k ř í ž it  Vytvo ř ili sektorování map  Rozhýbali jsme hrá č e  Rozd ě lili hrá č e na dva týmy  Dali jsme hrá čů m do rukou zbran ě  Umo ž nili jsme hrá čů m se k ř í ž it  Vytvo ř ili sektorování map

5

6

7

8  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace

9  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace

10  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace

11  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace

12  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace

13  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace  Pravd ě podobnost zk ř í ž ení je p ř ímo úm ě rná dosa ž ené fitness  Pro optimální chod vy ž aduje velké populace

14  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola

15  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola

16  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola

17  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola  Porovná se fitness dvou jedinc ů  Vít ě z postupuje do dalšího kola

18

19  Genom se rozsekne pouze v jednom bod ě

20

21

22  Rozšt ě pení programu na dv ě odlišné verze Pot ř eba lépe koordinovat programování  Sektorizace prostoru Hromada nejr ů zn ě jších matematických problém ů  Vyu ž ívání opera č ní pam ě ti Program b ě hem svého b ě hu zabíral neustále další a další opera č ní pam ěť  Rozšt ě pení programu na dv ě odlišné verze Pot ř eba lépe koordinovat programování  Sektorizace prostoru Hromada nejr ů zn ě jších matematických problém ů  Vyu ž ívání opera č ní pam ě ti Program b ě hem svého b ě hu zabíral neustále další a další opera č ní pam ěť

23  Zdokonalit orientaci hrá čů po map ě  Umo ž nit hrá čů m mutovat  Zakázat k ř í ž ení mezi týmy  Umo ž nit ukládat aktuální genomy hrá čů a pozd ě ji je nahrávat  Zjistit optimální konstanty selek č ního tlaku a pro výpo č et úsp ě šnosti  Zdokonalit orientaci hrá čů po map ě  Umo ž nit hrá čů m mutovat  Zakázat k ř í ž ení mezi týmy  Umo ž nit ukládat aktuální genomy hrá čů a pozd ě ji je nahrávat  Zjistit optimální konstanty selek č ního tlaku a pro výpo č et úsp ě šnosti

24