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 » Курсовые обзорные » Генетичні алгоритми в винахідницьких завданнях

Реферат Генетичні алгоритми в винахідницьких завданнях





є деяку ймовірність вибору для селекції, причому елемент з великим значенням ЦФ має велику ймовірність для вибору. p align="justify"> Селекція на основі заданої шкали. Тут популяція попередньо сортується від В«найкращоюВ» особини до В«найгіршоюВ» на основі заданого критерію. Кожному елементу призначається певна кількість і далі селекція виконується згідно цьому числу. p align="justify"> Елітна селекція. У цьому випадку вибираються кращі (елітні) елементи на основі порівняння ЦФ. Далі вони вступають в різні перетворення, після яких знову вибираються елітні елементи. Процес йде до тих пір, поки продовжують з'являтися елітні елементи. p align="justify"> Турнірна селекція. При цьому деяке число елементів (згідно з розміром В«турніруВ») вибирається випадково або направлено з популяції, і кращі елементи в цій групі на основі заданого турніру визначаються для подальшого генетичного пошуку. p align="justify"> Крім описаних, існує велика кількість інших методів селекції, які можна умовно класифікувати на три групи. До першої групи віднесемо імовірнісні методи селекції. До другої - детерміновані. До третьої - різні комбінації методів з першої і другої груп. Пошуки оптимальних методів селекції безперервно тривають. Справа в тому, що основною складністю вирішення оптимізаційних завдань з великою кількістю локальних оптимумів є попередня збіжність алгоритмів. Іншими словами, відбувається потрапляння рішення в один, далеко не найкращий, локальний оптимум. Різні методи селекції і їх модифікації якраз і дозволяють у деяких випадках вирішувати проблему попередньої збіжності алгоритмів. Слід зазначити, що дослідники ГА все більше схиляються до думки застосовувати комбіновані методи селекції з використанням попередніх знань про розв'язуваних задачах і попередніх результатах. p align="justify"> Наведемо тепер методи кросинговеру. У літературі часто їх називають операторами кросинговеру (ОК). Основна функція ОК - створювати хромосоми нащадків на основі різного схрещування батьків. Існує величезна кількість ОК, так як їх структура в основному і визначає ефективність ГА. Коротко розглянемо основні ОК, відомі в літературі, і їх модифікації. p align="justify"> Одноточковий (простий) ОК. Перед початком роботи одноточечного ОК визначається так звана точка ОК, або розрізає точка, яка зазвичай визначається випадково. Ця точка визначає місце у двох хромосомах, де вони повинні бути В«розрізаніВ». Наприклад, нехай популяція Р складається з двох хромосом Р = {р 1 , р 2 }, які виступають в якості батьків. Нехай перший і другий батьки мають вигляд р 1 : (11111), р 2 : (00000). Виберемо точку ОК між другим і третім генами в р 1 , р

Назад | сторінка 11 з 28 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Рішення оптимізаційних управлінських завдань на основі методів і моделей лі ...
  • Реферат на тему: Новітні методи селекції: клітинна інженерія, генна інженерія, хромосомна ін ...
  • Реферат на тему: Перспективи інтродукції та селекції lilium в БелГУ
  • Реферат на тему: Перспективи інтродукції та селекції lilium в БелГУ
  • Реферат на тему: Цифровий КИХ-фільтр для частотної селекції вимірювальних сигналів