Сочинение на тему Генетический алгоритм

Унифицированный кроссовер Еще одним постоянным администратором рекомбинации является унифицированный кроссовер (Syswerda, 1989; Спирс и Де Йонг, 1994). В равномерном кроссовере, представленном на рисунке 4.1, каждый аллель торгуется между парой случайно выбранных хромосом со специфической вероятностью pe, известной как вероятность обмена. Обычно оценка вероятности обмена принимается равной 0,5.

Унифицированный кроссовер, основанный на заказе. Методы k-точки и унифицированного кроссовера, показанные выше, не подходят для проблем вида с кодами этапов, например, те, которые использовались как часть проблемы торгового представителя. Они регулярно создают потомство, которое говорит с неверными ответами на вопрос об охоте. Таким образом,

Другой вариант – использовать стратегии рекомбинации, разработанные специально для сценических кодов, которые надежно создают законные договоренности соискателей. Несколько таких стратегий кроссовера изображены в сопроводительных разделах, начиная с унифицированного кроссовера на основе запроса.

В кроссовере с унифицированным запросом два операнда (скажем, P1 и P2) выбираются произвольно, и создается неправильный двойной формат (см. рисунок 4.2). Часть качеств для потомков С1 заполняется путем взятия качеств из родительского Р1, где есть один в макете. Теперь у нас есть частично заполненная C1, но у нее есть несколько «дыр». Качества родительского P1 в позициях по сравнению с нулями в формате взяты и упорядочены в неразличимом запросе от того, что они обнаруживаются в родительском P2. Упорядоченное краткое изложение используется, чтобы заполнить отверстия в C1. Потомство С2 производится с использованием сопоставимой процедуры (см. Рис. 4.2).

Кроссовер на основе запросов Администратор кроссовера на основе запросов (Davis, 1985) представляет собой разновидность кроссовера на основе унифицированного запроса, в котором произвольно выбираются два защитника и создаются два произвольных пункта назначения кроссовера (см. рис. 4.3). Качества между ломтиком указывают, дублируются ли молодые. Начиная со второго сайта кроссовера, дублируйте качества, которые неэффективно привносят в потомство от выборного родителя (родителя, отличного от того, чьи качества воспроизводятся потомством на базовой стадии) в соответствии с образцом, в котором они проявляются. Например, как показано на рисунке 4.3, для потомства C1, поскольку аллели C, D и E реплицированы из родительского P1, мы получаем аллели B, G, F и A из родительского P 2. Начиная со второго кроссовера сайт, который является 6-м качеством, мы дублируем аллели B и G как 6-е и седьмое качество отдельно. В этот момент мы свертываем и дублируем аллели F и An как первое и второе качества.

2. ОБЗОР ЛИТЕРАТУРЫ

2.1.1.3 Операторы мутации.

В случае, если мы используем кроссоверного администратора, например, одноточечный кроссовер, мы можем показать признаки улучшения и улучшения хромосом, но проблема в том, что у двух опекунов (или, к большему сожалению, всего населения) есть аналогичный аллель с заданным качеством, тогда одноточечный кроссовер не изменит этого. В конце дня у этого качества будет аналогичный аллель до конца времени. Преобразование предназначено для решения этой проблемы с конкретной конечной целью, чтобы добавить разнообразные варианты к населению и гарантировать, что можно исследовать все пространство преследования.

В системах развития трансформация является существенным разнообразием / поиском музыкального драматурга. Пролог к ​​трансформирующим системам см., Например, B¨ack et al. (1997). Совсем не так, как в системах разработки, изменения обычно являются дополнительным операционным эратором в GA, выполняемым с низкой вероятностью. Среди наиболее широко признанных изменений выделяется преобразование с переворотом. При побитовом преобразовании каждый фрагмент в параллельной строке изменяется (значение 0 изменяется на 1 и наоборот) с определенной вероятностью pm, известной как вероятность изменения. Как указано ранее, трансформация разыгрывает произвольную прогулку в области человека. Другие операторы преобразования, например, выпускают конкретные, также могут быть созданы и часто используются как часть написания.

4.1.1.4 Замена.

После того, как новые потомки будут созданы с использованием кроссовера и изменений, мы должны внести их в родительское население. Есть множество способов подойти к этому. Помните, что родительские хромосомы только что были выбраны по их хорошему самочувствию, поэтому мы надеемся, что молодежь (которая включает в себя опекунов, у которых не было кроссовера) являются одними из наиболее приспособленных в населении, поэтому мы будем доверять, что население будет постепенно, постепенно и большой, увеличить его здоровье. Вероятно, наиболее широко признанные методы замещения изложены ниже.

Стереть эту процедуру стирает всех людей из нынешнего населения и заменяет их с таким же количеством хромосом, которые были недавно сделаны. Вероятно, это наиболее широко признанная процедура, и она будет системой принятия решений для очень многих людей из-за ее относительной простоты использования. Это также параметр sans, который не подходит для некоторых других стратегий.

Неизменяемое состояние. Эта процедура стирает n старых людей и заменяет их n новыми людьми. Число, которое нужно стереть и заменить, n, в любой момент времени является параметром этой системы отмены. Еще одна мысль для этого метода заключается в выборе людей, которые будут стерты из текущего населения. Стираете ли вы самых ужасных людей, отбираете их бесцельно или стираете хромосомы, которые вы использовали в качестве опекунов? Еще раз, это параметр этого метода.

Последовательное экспресс-отсутствие копий. Это то же самое, что и система состояния без изменений, но алгоритм следит за тем, чтобы к населению не добавлялись копии хромосом.

2.1.2 Компетентные генетические алгоритмы

Хотя использование прогресса для уточнения рабочих компонентов ГА чрезвычайно полезно, в качестве аналогии с планом оно создает проблемы, поскольку сами процедуры нововведений не совсем известны. Несмотря на то, что в случае, если нам нужны ГА для полного прогресса, мы решаем все более сложные проблемы в широком диапазоне регионов, нам необходим принципиальный, но в то же время роботизированный метод описания генетических алгоритмов. В последние пару десятилетий произошли необычайные шаги к продвижению предполагаемых квалифицированных генетических алгоритмов – ГА, которые решают сложные вопросы быстро, надежно и точно (Goldberg, 1999a). С вычислительной точки зрения, наличие способных GA рекомендует адаптировать многочисленные проблемные вопросы. Более того, это существенно снижает вес клиента, который выбирает достойное кодирование или достойного генетического администратора, который поддерживает множество приложений GA. В случае, если GA может приспособиться к проблеме, клиенту не нужно настраивать проблему, кодирование или администраторов на GA.

В этой области мы быстро опишем часть ключевых упражнений с разработанным планом ГА. В частности, мы ограничиваем разговор избранными комбинационными ГА, акцентируем внимание на развитии перекрестного лечения и быстро исследуем ключевые особенности квалифицированного плана ГА. Используя идею Голландии о квадрате застройки (Holland, 1975), Гольдберг предложил решить проблему выделения искусного селекционно-комбинативного Г.А. (Goldberg et al., 1992a). Эта дезинтеграция контуров была детально прояснена где-то еще (Goldberg, 2002), однако быстро оценивается ниже.

Поймите, что GA строит строительные блоки Основная мысль гипотезы selectorecombinative GA заключается в том, что генетические алгоритмы работают через инструмент распада и повторной сборки. Холланд (1975) назвал очень скорректированные схемы бликов, которые были частью неотразимых квадратов (BB). Основная мысль заключается в том, что ГА (1) определенно различают квадраты зданий или подгруппы хороших мероприятий и (2) рекомбинируют отдельные подконгрегации для формирования элитных мероприятий.

Понимать BB трудные проблемы с точки зрения перекрестной обработки …