Содержание
- 2. эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации
- 3. Оптимизация функций Оптимизация запросов в базах данных Разнообразные задачи на графах (задача коммивояжера, раскраска, нахождение паросочетаний)
- 4. Схема работы
- 5. Задача формализуется таким образом, чтобы её решение могло быть закодировано в виде вектора («генотипа») генов. Где
- 6. Из полученного множества решений («поколения») с учётом значения «приспособленности» выбираются решения (обычно лучшие особи имеют большую
- 7. Бинарное кодирование не лишено недостатков. Основной недостаток заключается в том, что соседние числа отличаются в значениях
- 8. 0 - 0000 1 - 0001 2 - 0011 3 - 0010 4 - 0110 5
- 9. Самый простой способ – использовать битовое представление. Хотя такой вариант имеет те же недостатки, что и
- 10. Допустим, что значения признака лежат в интервале [0,1]. При кодировании использовалось разбиение участка на 256 интервалов.
- 11. для того, чтобы определить фенотип объекта (то есть значения признаков, описывающих объект) нам необходимо только знать
- 12. 1. Задать целевую функцию (приспособленности) для особей популяции 2. Создать начальную популяцию 3. (Начало цикла) A.
- 13. Перед первым шагом нужно случайным образом создать начальную популяцию; даже если она окажется совершенно неконкурентоспособной, генетический
- 14. Размножение в генетических алгоритмах обычно половое — чтобы произвести потомка, нужны несколько родителей, обычно два. Размножение
- 15. 1.из популяции выбираются две особи, которые будут родителями; 2.определяется (обычно случайным образом) точка разрыва; 3.потомок определяется
- 16. Хромосома_1: 0000000000 Хромосома_2: 1111111111 Допустим разрыв происходит после 3-го бита хромосомы, тогда Хромосома_1: 0000000000 >> 000
- 17. К мутациям относится все то же самое, что и к размножению: есть некоторая доля мутантов m,
- 18. При использовании данного оператора каждый бит в хромосоме с определенной вероятностью инвертируется. Кроме того, используется еще
- 19. На этапе отбора нужно из всей популяции выбрать определенную ее долю, которая останется «в живых» на
- 20. кроссовер может быть не одноточечный (как было описано выше), а многоточечный, когда формируется несколько точек разрыва
- 21. Инициировать начальный момент времени t=0. Случайным образом сформировать начальную популяцию, состоящую из k особей. B0 =
- 22. Наиболее часто используется метод отбора, называемый рулеткой. При использовании такого метода вероятность выбора хромосомы определяется ее
- 23. Обычно в качестве них применяются или ограничение на максимальное число эпох функционирования алгоритма, или определение его
- 24. # include # include # include int main() { using namespace std; srand((unsigned)time(NULL)); const int N
- 25. Непрерывные генетические алгоритмы
- 26. двоичное представление хромосом влечет за собой определенные трудности при поиске в непрерывных пространствах большой размерности, и
- 27. хромосома есть вектор вещественных чисел Длина хромосомы будет совпадать с длиной вектора-решения оптимизационной задачи, иначе говоря,
- 28. Использование непрерывных генов делает возможным поиск в больших пространствах (даже в неизвестных), что трудно делать в
- 29. В качестве операторов отбора особей в родительскую пару здесь подходят любые известные из BGA: рулетка, турнирный,
- 30. Большинство real-coded алгоритмов генерируют новые векторы в окрестности родительских пар. Пусть C1=(c11,c21,…,cn1) и C2=(c12,c22,…,cn2) – две
- 31. Плоский кроссовер (flat crossover): создается потомок H=(h1,…,hk,…,hn), hk, k=1,…, n – случайное число из интервала [ck1,ck2].
- 32. Арифметический кроссовер (arithmetical crossover): создаются два потомка H1=(h11,…,hn1), H2=(h12,…,hn2), где hk1=w*ck1+(1-w)*ck2, hk2=w*ck2+(1-w)*ck1, k=1,…,n, w либо константа
- 33. Смешанный кроссовер (blend, BLX-alpha crossover): генерируется один потомок H=(h1,…,hk,…,hn), где hk – случайное число из интервала
- 34. Дискретный кроссовер (discrete crossover): каждый ген hk выбирается случайно по равномерному закону из конечного множества {ck1,ck2}.
- 35. Нечеткий кроссовер (fuzzy recombination, FR-d crossover): создаются два потомка H1=(h11,…,hn1), H2=(h11,…,hn2). Вероятность того, что в i-том
- 36. Параметр d определяет степень перекрытия треугольных функций принадлежности, по умолчанию d=0.5 BLX-кроссовер с параметром alpha=0.5 –
- 37. наибольшее распространение получили: случайная и неравномерная мутация (random and non-uniform mutation). При случайной мутации ген, подлежащий
- 38. SBX (англ.: Simulated Binary Crossover) – кроссовер, имитирующий двоичный. Был разработан в 1995 году исследовательской группой
- 40. Скачать презентацию