Введение в эволюционное моделирование. Каширина И.Л. - 5 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

5
люционных вычислений и на уровне их непосредственной реализации
в вычислительной системе;
• относительно невысокая эффективность на заключительных фазах мо-
делирования эволюции (операторы поиска в эволюционных алгорит-
мах не ориентированы на быстрое попадание в локальный оптимум);
• нерешенность вопросов самоадаптации.
История эволюционных вычислений началась с разработки ряда раз-
личных независимых моделей эволюционного процесса. Среди этих моделей
можно выделить несколько основных парадигм:
• генетические алгоритмы;
• генетическое программирование;
• эволюционные стратегии;
• эволюционное программирование.
2. Основные понятия и базовая схема
генетического алгоритма
Важнейшим частным случаем эволюционных методов являются гене-
тические методы, основанные на поиске лучших решений с помощью на-
следования и усиления полезных свойств множества объектов определенно-
го приложения в процессе имитации их эволюции.
Генетические алгоритмы (ГА)  это стохастические, эвристические оп-
тимизационные методы, впервые предложенные Холландом (1975). Идея
генетических алгоритмов заимствована у живой природы
и состоит в орга-
низации эволюционного процесса, конечной целью которого является полу-
чение решения в сложной задаче оптимизации. Разработчик генетических
алгоритмов выступает в данном случае как "создатель", который должен
правильно установить законы эволюции, чтобы достичь желаемой цели как
можно быстрее. Впервые эти нестандартные идеи были применены к реше-
нию оптимизационных
задач в середине 70-х г. Примерно через десять лет
появились первые теоретические обоснования этого подхода. На сегодняш-
ний день генетические алгоритмы доказали свою конкурентоспособность
при решении многих трудных задач и особенно в практических приложени-
ях, где математические модели имеют сложную структуру и применение
стандартных методов типа ветвей и границ, динамического или
линейного
программирования крайне затруднено.
Цель в оптимизации с помощью ГА состоит в том, чтобы найти луч-
шее возможное решение или решения задачи по одному или нескольким
критериям. Чтобы реализовать генетический алгоритм, нужно сначала вы-
брать подходящую структуру для представления этих решений. В постанов-
ке задачи поиска объект этой структуры данных
представляет точку в про-
                                  5
    люционных вычислений и на уровне их непосредственной реализации
    в вычислительной системе;
  • относительно невысокая эффективность на заключительных фазах мо-
    делирования эволюции (операторы поиска в эволюционных алгорит-
    мах не ориентированы на быстрое попадание в локальный оптимум);
  • нерешенность вопросов самоадаптации.
     История эволюционных вычислений началась с разработки ряда раз-
личных независимых моделей эволюционного процесса. Среди этих моделей
можно выделить несколько основных парадигм:
  • генетические алгоритмы;
  • генетическое программирование;
  • эволюционные стратегии;
  • эволюционное программирование.
              2. Основные понятия и базовая схема
                  генетического алгоритма
      Важнейшим частным случаем эволюционных методов являются гене-
тические методы, основанные на поиске лучших решений с помощью на-
следования и усиления полезных свойств множества объектов определенно-
го приложения в процессе имитации их эволюции.
Генетические алгоритмы (ГА) � � это стохастические, эвристические оп-
тимизационные методы, впервые предложенные Холландом (1975). Идея
генетических алгоритмов заимствована у живой природы и состоит в орга-
низации эволюционного процесса, конечной целью которого является полу-
чение решения в сложной задаче оптимизации. Разработчик генетических
алгоритмов выступает в данном случае как "создатель", который должен
правильно установить законы эволюции, чтобы достичь желаемой цели как
можно быстрее. Впервые эти нестандартные идеи были применены к реше-
нию оптимизационных задач в середине 70-х г. Примерно через десять лет
появились первые теоретические обоснования этого подхода. На сегодняш-
ний день генетические алгоритмы доказали свою конкурентоспособность
при решении многих трудных задач и особенно в практических приложени-
ях, где математические модели имеют сложную структуру и применение
стандартных методов типа ветвей и границ, динамического или линейного
программирования крайне затруднено.
      Цель в оптимизации с помощью ГА состоит в том, чтобы найти луч-
шее возможное решение или решения задачи по одному или нескольким
критериям. Чтобы реализовать генетический алгоритм, нужно сначала вы-
брать подходящую структуру для представления этих решений. В постанов-
ке задачи поиска объект этой структуры данных представляет точку в про-

Страницы