[유전 알고리즘, GA] #1 초기 population 생성하기 (generate initial population)

코드: github.com/gon2gon2/lecture/blob/master/GA/initial_population.ipynb

gon2gon2/lecture

영상 해설: www.youtube.com/redirect?q=https%3A%2F%2Fg0n1.tistory.com%2F108&event=video_description&v=-BVaM3no590&redir_token=QUFFLUhqbVU4SFVxY1didzhPQUVLSjZLY1JObVhkcVVLUXxBQ3Jtc0tsbkRsNHZJU0ozcDcwclJtWDgwbTN4Y3dLMGJEaXNTM2pMa3Q5TFBDeGYtakpjcFJNQmtNei0wd09PUFd1UFVEWjIzU3pZQV9NU0NPeDNVS0dsMHBMcHZETElTZm4yY2JEYm1fWllBcDBGQnVKWEtzOA%3D%3D

YouTube

1. 필수 개념

Population

한 generation의 총 인구수

Generation

한 세대, 가능해들의 집합

Chromosome

gene으로 구성된, generation의 구성원 == 가능해

Gene

Chromosome을 구성하는 최소단위, 유전자

---

2. 논리

그럼 초기 population을 생성하는 로직은 다음과 같습니다.

여기서는 gene을 7개, population을 10이라고 하겠습니다. (gene의 값은 1~100사이의 난수)

 

1. gene을 랜덤으로 생성한다.

2. gene을 7개 이어붙여서 chromosome을 만든다.  (1을 7번 반복한다)

3. chromosome을 10번 만든다. (2를 10번 반복한다)

---

코드 구현

패키지 호출 (Numpy? Random?)

import numpy
numpy.random.randint(min, max, size=n) # 값이 가지는 범위를 넣어주고, 몇개나 생성할지 입력가능


# 위 문제에서는 다음과 같이 쓰면 편할 것입니다.
numpy.random.randint(1,100,7)

 

 

랜덤한 수를 발생시키기 위해 저는 numpy를 쓰겠습니다. random을 쓰셔도 됩니다.

패키지는 ppt의 템플릿이라고 생각하시면 됩니다.

발표자료를 처음부터 끝까지 손으로 레이아웃을 다 짜서 만들 수도 있지만, 전문가가 만들어둔 템플릿을 쓰는 것이 훨씬 효율적이고 편하고 강력합니다. 우리는 numpy 템플릿을 불러와서 그 안에서 "numpy.random.randint()"라는 슬라이드를 쓰겠습니다.

그 안에는 원하시는 값의 최저값, 최대값, 추출할 표본의 수를 써주시면 되는데, "추출할 표본의 수"라는 값은

size=를 쓰고 써주셔야 합니다. 파라미터라고 하는 것인데, 멋대로 바꿀 수는 없습니다.

레이아웃을 따라주세요!

---

Chromosome 만들기

pop = []

for i in range(population): # population의 수만큼 반복된다.
	
    # 랜덤한 난수를 chromosome 변수에 저장합니다.
	chromosome = numpy.random.randint(0,100,size=7)

	#pop에 chromosome을 저장합니다.
	pop.append(chromosome)

pop이라는 빈 리스트를 만듭니다.

pop이라는 마을에 chromosome이라고 불리는 사람을 하나씩 넣어준다고 이해할 수 있겠죠?

 

7개의 난수로 구성된 chromosome을 append함수를 통해 pop에 저장해줍니다.

 

x라는 리스트에 y라는 원소를 더해주고 싶다면, 

x.append(y)

이라고 쓸 수 있습니다. 이건 외우세요 ㅋㅋ

---

함수화

# minimum: gene이 가질 수 있는 최솟값
# maximum: gene이 가질 수 있는 최댓값
# gene: chromosome이 가지는 gene의 갯수
# population: 한 generation이 가지는 인구 수
import numpy

def initial_population(population, gene, minimum, maximum):
	pop = []
	for i in range(gene):
    	chromosome = numpy.random.randint(minimum, maximum, size = gene)
        pop.append(chromosome)
        
	return pop

이렇게 함수로 만들면

gene의 최솟값, 최댓값,

chromosome이 갖는 gene의 갯수, 

한 generation의 population 수

이렇게 총 4가지 값만 알면 어떤 문제에든 초기 population을 생성할 수 있을 것입니다.

 

다음 시간에는 fitness function과 사용자 정의 함수에 대해 자세히 알아보도록 하겠습니다.