- AI Dev - 인공지능 개발자 모임
- 정보공유
- 유전 알고리즘
소스코드 : 첨부파일
Evolving Image - Artificial Evolution
인공지능의 기법 중 하나인 유전자 알고리즘을 사용하여 사용자의 선택에 따라 자동으로 자동으로 그림을 그리는 프로그램이다. 1991년도 Karl Sims가 발표했던 "Artificail Evolution for Computer Graphics"라는 논문을 바탕으로 간단하게 구현하였다.
그림을 특정한 수식들의 집합으로 표현하고, 이들 수식을 유전 알고리즘에 따라 변화시킴으로써 다양한 그림이 생성되고 점점 복잡해지며 사용자가 원하는 방향으로 그림이 그려지게 된다.
유전자 알고리즘(Genetic Algorithm)
유전자 알고리즘은 자연의 진화과정을 모델링하여 구현한 탐색 알고리즘이라 할 수 있다. 기본적인 개념은 주어진 문제에 대해 가능한 해들을 정해진 형태로 표현한 후 이들을 변화시키고, 그 결과들 중 적합도가 높은 것들을 선택하여 변화를 계속함으로써 보다 좋은 해에 도달한다는 것이다. 이는 마치 부모의 유전인자 중 우성의 형질을 지닌 개체가 번성해간다는 다윈의 진화론적 적자생존의 법칙과 유사하다.
주어진 문제에 가능한 해, 즉 각 개체들의 유전적 구조는 보통 고정된 길이의 이진값으로 표현되다. 이러한 유전자는 다음과 같이 두 가지 방법으로 부모개체로부터 새로운 개체로 생성된다. 첫째는 교차변이(crossover)라고 하는 것으로 부모 개체들의 특정 교차점에서 그 이후의 값들을 서로 교환하는 것이다. 둘째는 돌연변이(mutation)로 0을 1로, 혹은 1을 0으로 비트값을 반대값으로 변환하는 것이다.
이렇게 새로운 자식 개체들을 생성한 후에 적합도 함수(fitness function)을 통해서 주어진 문제에 적합한 개체들만을 골라 선택하고, 다시 선택된 개체들을 교차변이와 돌연변이를 통해 새로운 개체들을 생성함으로써 보다 좋은 해에 도달할 때까지 반복한다.
프로그램 구현방법
사용한 유전자, 즉 수식들의 집합은 다음과 같다.
X, Y, CONST ,ADD, SUB, MUL, DIV, AND, OR, XOR, DISTXY,
CIRC, SIN, COS, LN, NOT, RAND, MAX, MIN, AVG, INV,
RAND_RANGE, POLAR_1, POLAR_2, MANH, MDISTXY
각 유전자마다 x, y 좌표에 따라 그림의 색깔을 계산하는 함수가 있고, 여러 유전자가 혼합된 구조일 때는 순서대로 수식을 계산하고 마지막에 나온 결과값에 따라 최종 좌표의 색깔을 결정한다.
유전자의 변이를 위해 돌연변이 기법을 사용하여 특정 유전자 집합의 수식을 다른 코드로 변화하거나 새로운 코드를 추가하여 변이를 수행하였다. 교차변이 기법은 사용하지 않았다.
결과 이미지들
[참고자료]
- 인공지능 개념 및 응용, 도용태, 사이텍 미디어, p.261 ~ p.264