Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Новые рефераты » Рішення задачі оптимізації методом генетичного алгоритму

Реферат Рішення задачі оптимізації методом генетичного алгоритму

















Контрольна робота

Рішення задачі оптимізації методом генетичного алгоритму




Введення

алгоритм змінна кроссинговер

У процесі виконання даної контрольної роботи була написана програма Matlab, основним завданням якої є проведення умовної мінімізації заданої функції декількох змінних на основі застосування генетичного алгоритму (ГА). Генетичний алгоритм був реалізований по рівняннях і даними, заданих відповідно до варіанту. Також була реалізована настройка ГА вбудованою функцією gaoptimset. Результат був порівняний з результатом написаної програми. Також були проведені дослідження роботи ГА з необхідними графічними ілюстраціями відповідно до варіанта.



1. Постановка завдання


Мета роботи.

Навчитися реалізовувати умовну мінімізацію заданої функції декількох змінних на основі застосування генетичного алгоритму (ГА) в середовищі Matlab, навчитися реалізовувати алгоритм, не використовуючи вікно тулбокса, налаштовувати ГА вбудованою функцією MATLAB gaoptimset і досліджувати роботу ГА, реалізуючи різні графіки, діаграми, таблиці.

Завдання на контрольну роботу.

) Провести умовну мінімізацію заданої функції декількох змінних на основі застосування генетичного алгоритму (ГА), програмно реалізованого в Matlab (використовувати тільки стандартну функцію).

) Скласти програму рішення задачі в Matlab у вигляді m-файлу, не використовуючи вікно тулбокса.

) Для налаштування ГА використовувати функцію gaoptimset. Всі задаються опції прописати в розробленій програмі явним чином.

) Провести дослідження роботи ГА з необхідними графічними ілюстраціями відповідно до варіанта.

Індивідуальне завдання.

Варіант №24.

5) Дана наступна функція:



1) Побудувати графік заданої функції при n =2. Визначити візуально, чи має дана функція глобальний мінімум.

) Провести оптимізацію заданої функції в Matlab (за допомогою генетичного алгоритму): знайти глобальний мінімум.

3) Для вирішення завдання скласти програму в середовищі Matlab (m-файл).

4) Результат визначити як середнє по 20 рішенням.

5) У звіті відобразити хід рішення задачі:

- представити графік середніх і найкращих за поколінням значень цільової функції;

провести дослідження залежності рішення від виду функції відбору батьків для кросинговеру і мутації нащадків.



2. Теоретичні відомості


2.1 Поняття генетичного алгоритму


Генетичні алгоритми - це адаптивні методи пошуку, які останнім часом використовуються для вирішення завдань оптимізації. У них використовуються як аналог механізму генетичного наслідування, і аналог природного відбору. При цьому зберігається біологічна термінологія в спрощеному вигляді і основні поняття лінійної алгебри. Основною ідеєю генетичних алгоритмів є організація «боротьби за існування» і «природного відбору» серед цих пробних рішень.

Розглянемо принципи роботи генетичних алгоритмів на максимально простому прикладі. Нехай потрібно знайти глобальний мінімум функції на відрізку [0; 7]. На цьому відрізку функція приймає мінімальне значення в точці x=1. Очевидно, що в точці x=6 функція потрапляє в локальний мінімум. Якщо для знаходження глобального мінімуму використовувати градієнтні методи, то в залежності від початкового наближення можна потрапити в даний локальний мінімум.

Розглянемо на прикладі даної задачі принцип роботи генетичних алгоритмів. Для простоти покладемо, що x приймає лише цілі значення, тобто x? {0, 1, 2, 3, 4, 5, 6, 7}. Це припущення істотно спростить виклад, зберігши всі основні особливості роботи генетичного алгоритму. Виберемо випадковим чином кілька чисел на відрізку [0; 7]: {2, 3, 5, 4}. Запишемо пробні рішення в двійковій формі: {010, 011, 101, 100}. Оскільки генетичні алгоритми використовують біологічні аналогії, то і применяющаяся термінологія нагадує біологічну. Так, одне пробне рішення, записане в двійковій формі, ми будемо називати особиною або хромосомою, а набір всіх пробних рішень - популяцією. Як відомо, принцип природного відбору полягає в тому, що в конкурентній боротьбі виживає найбільш пристосований. У нашому випадку пристосованість особини...


сторінка 1 з 4 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Знайти мінімум функції n змінних методом Гольдфарба
  • Реферат на тему: Рішення задачі знаходження мінімуму цільової функції
  • Реферат на тему: Рішення завдання комівояжера за допомогою алгоритму Дейкстри
  • Реферат на тему: Поняття алгоритму. Обчислення значення функції
  • Реферат на тему: Створення алгоритму пошуку високоінформативних діагностичних ознак захворюв ...