- Terbang
- Mencapai target
- Menabrak
- Penerbangan terbaik generasi terakhir
- Mencapai target
- Menabrak
Simulator algoritma genetika
Algoritma genetika memecahkan masalah dengan cara evolusi membentuk makhluk hidup: mencoba banyak jawaban acak, menyimpan yang lebih baik, mencampurnya, mengubah beberapa bagian secara acak, lalu mengulanginya. Di sini jawabannya adalah roket. Masing-masing hanya mengikuti daftar dorongan acak, tidak lebih, dan pada awalnya roket-roket itu jungkir balik tanpa arah. Tekan Jalankan dan lihat populasi membaik dari generasi ke generasi hingga sebagian besar roket meluncur memutari dinding menuju target, tanpa ada yang memberi tahu mereka ke mana harus pergi. Tekan Jalankan dan lihat sebuah populasi roket mencoba mencapai target hijau. Setiap roket hanya mengikuti gennya, yaitu daftar dorongan kecil, satu untuk setiap saat penerbangannya. Setelah setiap penerbangan, roket yang paling dekat, dan terutama yang berhasil tiba, paling mungkin menjadi induk generasi berikutnya; gen mereka dicampur dan beberapa di antaranya diubah secara acak. Tombol Generasi berikutnya melewati sisa penerbangan. Seret di lapangan untuk menggambar dinding, dan klik dinding untuk menghapusnya.
Cara kerjanya
- Pilih rintangan, atau seret di lapangan untuk menggambar dinding Anda sendiri, lalu atur populasi, laju mutasi, dan masa hidup.
- Tekan Jalankan dan saksikan setiap generasi terbang; tombol Generasi berikutnya melewati sisa penerbangan.
- Ikuti proporsi roket yang mencapai target di kotak-kotak dan grafik, lalu coba laju mutasi dan metode seleksi lain.
Bagaimana roket berevolusi
Setiap roket membawa gen: satu dorongan kecil untuk setiap saat penerbangannya. Gen generasi pertama bersifat acak. Setelah terbang, setiap roket mendapat skor kebugaran: tertinggi untuk tiba lebih awal, lalu makin tinggi makin dekat roket berakhir dari target, dan dibagi sepuluh setelah tabrakan. Induk generasi berikutnya dipilih secara acak, tetapi roket yang lebih bugar lebih mungkin terpilih. Setiap anak mengambil bagian pertama gennya dari satu induk dan sisanya dari induk lain, dan beberapa gen diganti dengan dorongan acak: mutasi. Dari generasi ke generasi, rencana penerbangan yang baik menyebar dan membaik.
Apa yang diubah oleh pengaturan
Populasi yang lebih besar menjelajahi lebih banyak rencana penerbangan sekaligus dan lebih kecil kemungkinannya terjebak, tetapi setiap generasi memakan waktu lebih lama. Laju mutasi menyeimbangkan antara menjelajah dan mempertahankan apa yang berhasil: tanpa mutasi, populasi cepat kehabisan ide baru; dengan terlalu banyak mutasi, populasi melupakan penerbangan yang baik lebih cepat daripada menemukannya. Seleksi rolet memilih induk sebanding dengan kebugarannya, sedangkan turnamen mengambil yang terbaik dari tiga roket acak, yang kurang peka terhadap cara kebugaran diskalakan. Elitisme menyalin roket terbaik ke generasi berikutnya tanpa perubahan, sehingga hasil terbaik tidak pernah memburuk.
Pertanyaan yang sering diajukan
Mengapa roket terjebak di balik dinding berselang-seling?
Kebugarannya mengukur jarak garis lurus ke target, sehingga roket yang terbang menabrak dinding di bawah target mendapat skor lebih baik daripada roket yang terbang menjauh untuk mencari celah. Populasi menumpuk di jalan buntu itu, sebuah optimum lokal. Populasi yang lebih besar, mutasi yang lebih banyak, atau seleksi turnamen membantunya lolos, dan kebugaran yang mengukur rute sebenarnya memutari dinding akan menghindari jebakan itu. Memilih fungsi kebugaran yang baik adalah bagian tersulit dalam menggunakan algoritma genetika.
Apakah begini cara evolusi bekerja di alam?
Secara garis besar, ya: variasi dari mutasi dan rekombinasi, pewarisan gen, dan seleksi yang paling bugar adalah bahan-bahan teori Darwin. Namun perbedaannya besar. Alam tidak punya target dan tidak punya rumus kebugaran, hanya kelangsungan hidup dan reproduksi, dan genom sungguhan membangun tubuh melalui perkembangan, bukan dengan mendaftar tindakan.
Untuk apa algoritma genetika digunakan?
Untuk masalah dengan ruang jawaban yang sangat besar dan cara mudah untuk menilai kandidat: membentuk antena, sayap, dan suku cadang mobil, menyusun jadwal, menyetel pengaturan algoritma lain, merancang jaringan saraf, serta menciptakan karya seni dan strategi permainan. Antena hasil evolusi milik NASA pada satelit ST5 tahun 2006 adalah contoh terkenal.
Mengapa roket terbaik kadang terbang lebih buruk di generasi berikutnya?
Tanpa elitisme, roket terbaik tidak disalin: gennya hanya bertahan dalam keadaan tercampur dengan gen lain dan mungkin bermutasi, sehingga generasi berikutnya bisa kehilangan penerbangannya yang persis sama. Dengan elitisme aktif, roket terbaik dipertahankan tanpa perubahan dan hasil terbaik tidak pernah memburuk.
Apakah ada yang dikirim ke server?
Tidak. Roket terbang dan berevolusi di browser Anda, dan dinding yang Anda gambar tetap tersimpan di penyimpanan lokal browser ini.
Siap mencobanya?
Buka PictorX di browser Anda — tanpa instalasi, tanpa kartu kredit untuk memulai.
Ke Editor