Содержание
Техническое задание 3
Введение 4
1.ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ 5
1.1 Теоретические сведения 5
1.2 Описание задачи 6
1.3 Постановка задачи 7
2.ПРАКТИЧЕСКАЯ ЧАСТЬ 7
2.1 Разработка программы 7
2.2 Разработка алгоритма 8
2.3 Построение генетических операторов 10
2.4 Механизмы кодирования и декодирования 10
3.ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ 11
3.1 Пример решения задачи 11
3.2 Экспериментальные исследования 12
Заключение 13
Список использованной литературы 14
Приложение 15
Выдержка из текста
Современный уровень научных исследований и развитие рыночной экономики предполагает быструю и эффективную обработку информации. Множество прикладных задач относится к теории дискретного программирования: например, задача коммивояжера и задача о рюкзаке. Точное решение таких задач возможно найти за конечное число итераций. Поэтому, к таким задачам применим метод простого перебора. Однако, в случае, когда множество допустимых решений состоит из очень большого числа точек, нахождение решения этим методом может затянуться на годы. Поэтому, для решения задач дискретного программирования были разработаны специальные, в том числе, и переборные методы, которые пытаются сузить количество перебираемых точек. Существует два подхода к решению задач дискретного программирования. Первый получил название комбинаторного и основан на целенаправленном, частичном переборе частных решений. Методы этой группы делятся на точные и приближенные. К точным относится метод ветвей и границ.
Список использованной литературы
1. «Лекции по нейронным сетям и генетическим алгоритмам» http://infoart.baku.az/inews/30000007.htm
2. Т.В. Панченко. Генетические алгоритмы [Текст]: учебно-методическое пособие / под ред. Ю.Ю. Тарасевича. – Астрахань: Издательский дом «Астраханский университет», 2007. – 87 с.
3. Генетический алгоритм — Википедия [Электронный ресурс] — Элек-трон. дан. — М., 2017. — Режим доступа: https://ru.wikipedia.org/wiki/Генетический_алгоритм
4. «SENN Генетические Алгоритмы»
http://fdmhi.mega.ru/ru/senn_ga.htm
5. «Генетические алгоритмы» https://prog-cpp.ru/genetic/
С этим материалом также изучают
Подробное руководство по численному решению интегральных уравнений Фредгольма второго рода методом квадратур. Рассматривается теория, пошаговый алгоритм, его реализация в MATLAB, а также анализ и визуализация результатов для успешного выполнения курсовой работы.
... 20 особей.Анализ вариантов решения задачиГенетические Алгоритмы - адаптивные методы поиска, которые в последнее время часто используются для решения задач функциональной оптимизации. Они основаны на генетических процессах биологических ...
Поможем написать курсовую по генетическим алгоритмам. Статья содержит разбор теории, описание этапов алгоритма и рекомендации по структурированию практической части.
... разделов математики, как математическое программирование позволяет упростить решение конкретных задач, с помощью математических методов. При подобном сопоставлении нейронных сетей и генетических алгоритмов следует обращать внимание на ...
... - Загл. с экрана 4.Батищев Д.А. Генетические алгоритмы решения экстремальных задач. - Воронеж: Изд-во ВГТУ, 1995 5.Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы ...
... Генетические Алгоритмы - адаптивные методы поиска, которые в последнее время часто используются для решения задач функциональной оптимизации. Они основаны на генетических ... которые являются существенными для развития. Точный ответ на вопрос: какие ...
... «генетический алгоритм»). Генетические алгоритмы - это адаптивные методы поиска, которые в крайнее время употребляются для решения задач оптимизации. В них используются как аналог механизма генетического наследования, и в том числе ...
... практика эволюционного моделирования. М.:ФИЗМАТЛИТ, 2003. 432 с. 2.Батищев Д.А. Генетические алгоритмы решения экстремальных задач. Воронеж: Изд.-во ВГТУ, 1995. 3.Дюк В., Самойленко А. Data ...
Подробное руководство по решению задач контрольной работы по прокурорскому надзору. Рассматриваем реальные кейсы, учимся составлять акты прокурорского реагирования.
Исследуйте метафорическую модель подсознания как "витального алгоритма" для решения задач. Узнайте о её применении в психологии, ИИ и креативности, с анализом сильных сторон и ограничений.
