Нейронные сети и нейроконтроллеры. Бураков М.В. - 240 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

240
Идея отбора генов, а не хромосом лучше соответствует идее сим-
биоза генетики и дарвинизма, который предполагает, что эволюци-
онирует не конкретная особь, а популяция в целом. Эта идея по-
лучила развитие в алгоритме оценки распределения (Estimation of
Distribution Algorithms – EDA), предложенном в работе [68].
Основная идея EDA заключается в отказе от использования опе-
раторов скрещивания и мутации классического ГА. Вместо этого в
алгоритме EDA рассчитывается вероятностное распределение генов
популяции, на основании которого формируется популяция потом-
ков. Рассмотрим этот подход при бинарном представлении хромосом.
Пусть i-я популяция содержит шесть хромосом с оценками при-
годности (табл. 8.1).
Допустим, что решается задача минимизации. Тогда при селек-
ции отсечением в промежуточную популяцию попадут хромосомы
с номерами 1, 4 и 5 (табл. 8.2).
Величина Р
j
из табл. 8.2 соответствует вероятности появления
j-го гена хромосомы в популяции потомков. При формировании
популяции потомков при выборе значения j-го гена хромосомы
происходит сравнение Р
j
и случайного числа в диапазоне [0, 1]. Со-
ответственно чем выше Р
j
, тем чаще будет появляться j-й ген в по-
пуляции потомков. Модификации EDA позволяют работать и при
кодировании генов действительными числами.
Таблица 8.1
Исходная популяция
Номер хромосомы Хромосома Оценка пригодности
1 1001010 0,109
2 0100101 0,697
3 1101010 1,790
4 0110110 0,090
5 1001111 0,238
6 0001101 2,531
Таблица 8.2
Промежуточная популяция
Номер
хромосомы
Хромосома при разных P
i
0,667 0,333 0,333 0,667 0,667 1 0,333
1 1 0 0 1 0 1 0
4 0 1 1 0 1 1 0
5 1 0 0 1 1 1 1

Страницы