Генетические алгоритмы (ГА) пытаются имитировать принципы эволюции человека.

Итак, давайте разберемся, как его можно применить к бизнес-задачам во всей предметной области.

Общий подход

Идея состоит в том, чтобы имитировать хорошую популяцию или хорошие блоки ДНК, чтобы определить лучшую популяцию для работы.

Применение в проектировании компоновки растений

Понимая применение GA в проектировании компоновки завода, будет легче понять и обобщить подход для различных бизнес-областей / функций.

Давайте возьмем установку, в которой есть возможность подогнать только 3 процесса и, выполняя их на заданном компоненте, с учетом ограничений по пространству и времени. Мы хотим спроектировать компоновку, чтобы сократить общее время, которое компонент проводит на этом предприятии. В соответствии с требованиями может быть определена другая целевая функция.

Примечание. Для решения этой конкретной проблемы могут быть разные методы, мы выбрали подход генетического алгоритма (GA).

Шаг 1:

Создавайте различные возможные комбинации макетов с заданными 5 процессами. Каждая комбинация изображает популяцию / хромосому.

Предположение: обязательной последовательности операций не требуется.

Шаг 2:

Сопоставьте функцию времени с процессами и рассчитайте общее время, необходимое для каждой хромосомы.

Шаг 3:

Ранжируйте хромосомы и выберите, скажем, верхние 10% для дальнейшего анализа.

Предположение: для упрощения и понимания GA мы не испробовали все возможные комбинации. Или вы можете попробовать все возможные сценарии и выбрать лучший из возможных. Помните, здесь мы понимаем концепцию GA. В реальной жизни может быть несколько переменных и несколько комбинаций, для которых вы не можете попробовать все возможные случаи. GA полезен для таких реальных случаев, а также может фиксировать прерывистые функции.

Шаг 4:

Мутировать среди них 10% лучших. Две случайно выбранные хромосомы будут выступать в роли родителей. С помощью техники кроссовера мы создадим детей из этих 10% населения.

Для получения дополнительной информации о мутации и шумах обратитесь к любому техническому документу по этапам GA.

Шаг 5:

Повторите шаги со 2 по 4, и, наконец, мы получим лучшую популяцию / хромосому с минимальным временем пребывания на растении.

Так просто, теперь представьте, как вы можете использовать эту технику во многих других приложениях. Например, обнаружение аномалий, где мы можем найти нормальную популяцию по GA, оставив аномальные случаи. ….

«Инновации - это результат привычки, а не случайного действия»

- Сукант Ратнакар

Так что давайте изменим эту привычку и добавим новшества ...