СодержаниеНеобходимо найти минимум функции в заданной области.
<br>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.
<br>Рассмотреть равномерное скрещивание и инверсионную мутацию.
<br>Каждая переменная кодируется 30 битами.
<br>Провести расчеты для 30 и 100 поколений.
<br>Сравнить получающиеся решения при размерах популяции 10, 20, 30 особей.
<br>
<br>Введение 3
<br>Понятие генетического алгоритма 5
<br>Генетические операторы 8
<br>Фитнес-функция 12
<br>Некоторые модели генетических алгоритмов 14
<br>Genitor (Whitley) 14
<br>CHC (Eshelman) 14
<br>Hybrid algorithm (Davis) 15
<br>Island Models 15
<br>Выводы 17
<br>Заключение 19
<br>Литература 20
<br>Приложение А 22ВведениеГенетический алгоритм включает три операции: селекция, скрещивание, мутация.
<br>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.Литература1. Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: The MIT Press, 1996
<br>2. Thomas Back. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. Oxford: University Press, New York, 1996.
<br>3. Аналитические технологии для прогнозирования и анализа данных // Нейропроект [Электронный ресурс]. – Режим доступа: http://www.neuroproject.ru/genealg.php - Загл. с экрана
<br>4. Батищев Д.А. Генетические алгоритмы решения экстремальных задач. - Воронеж: Изд-во ВГТУ, 1995
<br>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
<br>6. Генетические алгоритмы - математический аппарат// Методы оптимизации [Электронный ресурс]. – Режим доступа: http://www.basegroup.ru/library/optimization/ga_math/ - Загл. с экрана
<br>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
<br>8. Генетические операторы // Генетические алгоритмы [Электронный ресурс]. – Режим доступа: http://qai.narod.ru/GA/genoperators.html - Загл. с экрана
<br>9. Генетический алгоритм: основные операции // Генетические алгоритмы [Электронный ресурс]. – Режим доступа: http://g-u-t.chat.ru/ga/oper.htm - Загл. с экрана
|