Введение в эволюционное моделирование. Каширина И.Л. - 32 стр.

UptoLike

Составители: 

Рубрика: 

32
Эксперименты автора SBX кроссовера показали, что он во многих случа-
ях эффективнее смешанного кроссовера, хотя не существует ни одного крос-
совера, эффективного во всех случаях. Исследования показывают, что ис-
пользование нескольких операторов кроссовера позволяет уменьшить веро-
ятность преждевременной сходимости, т.е. улучшить эффективность алго-
ритма оптимизации в целом. Для этого могут использоваться
специальные
стратегии, изменяющие вероятность применения отдельного эволюционного
оператора в зависимости от его «успешности», или использование гибрид-
ных кроссоверов. В любом случае, если стоит задача оптимизации в непре-
рывных пространствах с использованием эволюционных стратегий, то сле-
дует сделать выбор в пользу непрерывного генетического алгоритма.
6.
Генетическое программирование
Идею генетического программирования (ГП) впервые предложил
Коза в 1992 году, опираясь на концепцию генетических алгоритмов. Генети-
ческое программирование это расширение генетической модели обучения
в область программного обеспечения. Его объектом в отличие от генетиче-
ских алгоритмов являются не символьные строки фиксированной длины, ко-
дирующие возможные решения проблемы, а собственно программы, испол-
няя
которые и получают различные варианты решения задачи. В генетиче-
ском программировании программы представляются в виде дерева грамма-
тического разбора, а не в виде строк кода, поэтому в ГП все операции произ-
водятся не над строками, а над деревьями. При этом используются такие же
операторы, как и в ГА: селекция, скрещивание
и мутация.
В ГП хромосомами являются программы. Программы представлены
как деревья с функциональными (промежуточными) и терминальными (ко-
нечными) элементами. Терминальными элементами являются константы,
действия и функции без аргументов, функциональными - функции, исполь-
зующие аргументы.
Для примера можно рассмотреть функцию 2+x*4/7, представленную
на рисунке 44. Терминальные элементы T = {2,x,4,7}, функциональные F =
{+,*,/}.
                                    32
   Эксперименты автора SBX кроссовера показали, что он во многих случа-
ях эффективнее смешанного кроссовера, хотя не существует ни одного крос-
совера, эффективного во всех случаях. Исследования показывают, что ис-
пользование нескольких операторов кроссовера позволяет уменьшить веро-
ятность преждевременной сходимости, т.е. улучшить эффективность алго-
ритма оптимизации в целом. Для этого могут использоваться специальные
стратегии, изменяющие вероятность применения отдельного эволюционного
оператора в зависимости от его «успешности», или использование гибрид-
ных кроссоверов. В любом случае, если стоит задача оптимизации в непре-
рывных пространствах с использованием эволюционных стратегий, то сле-
дует сделать выбор в пользу непрерывного генетического алгоритма.
               6. Генетическое программирование
      Идею генетического программирования (ГП) впервые предложил
Коза в 1992 году, опираясь на концепцию генетических алгоритмов. Генети-
ческое программирование − это расширение генетической модели обучения
в область программного обеспечения. Его объектом в отличие от генетиче-
ских алгоритмов являются не символьные строки фиксированной длины, ко-
дирующие возможные решения проблемы, а собственно программы, испол-
няя которые и получают различные варианты решения задачи. В генетиче-
ском программировании программы представляются в виде дерева грамма-
тического разбора, а не в виде строк кода, поэтому в ГП все операции произ-
водятся не над строками, а над деревьями. При этом используются такие же
операторы, как и в ГА: селекция, скрещивание и мутация.
      В ГП хромосомами являются программы. Программы представлены
как деревья с функциональными (промежуточными) и терминальными (ко-
нечными) элементами. Терминальными элементами являются константы,
действия и функции без аргументов, функциональными - функции, исполь-
зующие аргументы.
      Для примера можно рассмотреть функцию 2+x*4/7, представленную
на рисунке 44. Терминальные элементы T = {2,x,4,7}, функциональные F =
{+,*,/}.