Генетические алгоритмы 2

Содержание

Необходимо найти минимум функции в заданной области.

При выполнении данного проекта необходимо учитывать, что решение задачи является подверженным влиянию случайных величин. Поэтому каждый запуск программы необходимо повторять, по крайней мере, 2030 раз. После этого из набора полученных решений надо отобрать лучшее. Разумеется, это надо сделать, поместив содержание главной программы в соответствующий цикл, в котором будет одновременно выбираться наилучшее решение. Одновременно надо вычислить и среднее значение минимума за эти 20-30 прогонов.

Рассмотреть равномерное скрещивание и инверсионную мутацию.

Каждая переменная кодируется 30 битами.

Провести расчеты для 30 и 100 поколений.

Сравнить получающиеся решения при размерах популяции 10, 20, 30 особей.

Введение3

Понятие генетического алгоритма5

Генетические операторы8

Фитнес-функция12

Некоторые модели генетических алгоритмов14

Genitor (Whitley)14

CHC (Eshelman)14

Hybrid algorithm (Davis)15

Island Models15

Выводы17

Заключение19

Литература20

Приложение А22

Выдержка из текста

Генетический алгоритм включает три операции: селекция, скрещивание, мутация.

Оператор селекции (reproduction, selection) осуществляет отбор хромосом в соответствии со значениями их функции приспособленности. Существуют как минимум два популярных типа оператора селекции: рулетка и турнир.

Список использованной литературы

1.Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: The MIT Press, 1996

2.Thomas Back. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. Oxford: University Press, New York, 1996.

3.Аналитические технологии для прогнозирования и анализа данных // Нейропроект [Электронный ресурс]. Режим доступа: http://www.neuroproject.ru/genealg.php — 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 виртуальной реальности / Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев, С.А.Сергеев. Харьков: Основа, 1997

6.Генетические алгоритмы — математический аппарат// Методы оптимизации [Электронный ресурс]. Режим доступа: http://www.basegroup.ru/library/optimization/ga_math/ — Загл. с экрана

7.Генетические алгоритмы //Дискретная математика: алгоритмы[Электронный ресурс]: портал Санкт-Петербургского Государственного Университета информационных технологий, механики и оптики. Режим доступа: http://rain.ifmo.ru/cat/view.php/theory/unsorted/genetic-2005 — Загл. с экрана

8.Генетические операторы // Генетические алгоритмы [Электронный ресурс]. Режим доступа: http://qai.narod.ru/GA/genoperators.html — Загл. с экана

9.Генетический алгоритм: основные операции // Генетические алгоритмы [Электронный ресурс]. Режим доступа: http://g-u-t.chat.ru/ga/oper.htm — Загл. с экрана