Simulation von genetischen Algorithmen: Zufall am Beispiel von Fechtern

Ein genetischer Algorithmus soll meist ein Optimierungsproblem losen. Daher war es auch zur Konkretisierung des Seminarthemas nötig, ein konkretes Optimierungsproblem zu finden, welches der Algorithmus lösen soll. Um die Komplexitat des Programms möglichst gering zu halten, wurde ein eigenes Optimierungsproblem entwickelt, welches im Folgendem erläutert wird.

Das Optimierungsproblem ist in diesem Falle ein Spiel, in dem zwei wahrscheinlichkeitsgesteuerte Spieler auf einem eindimensionalen Spielbrett gegeneinander antreten. Das Spielbrett besteht aus einer bestimmten Anzahl an Feldern, auf denen die Spieler einmal pro Zug entweder nach vorne oder nach hinten gehen oder stehen bleiben konnen. Dieselben Optionen stehen auch bei einem Angriff zur Verfugung. Daraus ergeben sich sechs Optionen. Diese werden durch Wahrscheinlichkeiten angegeben, welche in der Summe Eins ergeben.

Ein Spieler wählt anhand dieser Wahrscheinlichkeiten zufällig eine Aktion aus, welche anschließend durch Verschieben oder Stehen bleiben auf dem Spielbrett ausgeführt wird. Zusätzlich wird bei einem Angriff die Wahrscheinlichkeit, einen Angriff zu parieren, für die nächste Runde herab gesetzt. Damit wird versucht, ein realistisches Verhalten zu simulieren, da reale Fechter nach einem Angriff in einer offenen Position stehen und schwerer parieren können.