на тренажері для навчання операторів.
Контрольні питання:
. Розкажіть алгоритм побудови керуючої моделі
. Яка мета планування експерименту
. Який аналіз функції відгуку призначений для отримання її математичної моделі у вигляді рівняння регресії
. Скільки вхідних і вихідних показників і як вони впливають один на одного
Лабораторна робота №14.
Лабораторна робота №15
Дослідження генетичного алгоритму пошуку екстремуму цільової функції
Генетичний алгоритм - це просто модель еволюції в природі, реалізована у вигляді комп'ютерної програми. У ньому використовуються як аналог механізму генетичного наслідування, і аналог природного відбору. При цьому зберігається біологічна термінологія в спрощеному вигляді
Моделювання генетичного успадкування Табліца15.1
ХромосомаВектор (послідовність) з нулів і одиниць. Кожна позиція (біт) називається геном.Індівідуум=генетичний кодНабор хромосом=варіант вирішення задачі.КроссоверОперація, при якій дві хромосоми обмінюються своїми частямі.МутаціяCлучайное зміна однієї або декількох позицій у хромосомі.
Щоб змоделювати еволюційний процес, сгенерируем спочатку випадкову популяцію - кілька індивідуумів з випадковим набором хромосом (числових векторів). Генетичний алгоритм імітує еволюцію цієї популяції як циклічний процес схрещування індивідуумів і зміни поколінь (див. Малюнок 15.1).
Малюнок 15.1. Принцип побудови генетичного алгоритму
Життєвий цикл популяції - це кілька випадкових схрещувань (у вигляді кроссовера) і мутацій, в результаті яких до популяції додається якась кількість нових індивідуумів. Відбір в генетичному алгоритмі - це процес створення нової популяції зі старої, після чого стара популяція гине. Після відбору до нової популяції знову застосовуються операції кросовера і мутації, потім знову відбувається відбір, і так далі.
Зв'язок відбору в генетичному алгоритмі і в природі Табліца15.2
Пристосованість індівідуумаЗначеніе цільової функції на цьому індівідууме.Вижіваніе найбільш пріспособленнихПопуляція наступного покоління формується відповідно до цільової функцією. Чим пристосування індивідуум, тим більша ймовірність його участі в кросовері, тобто розмноженні.
Генетичні Алгоритми (ГА) - адаптивні методи пошуку, які останнім часом часто використовуються для вирішення задач функціональної оптимізації. Вони засновані на генетичних процесах біологічних організмів: біологічні популяції розвиваються протягом кількох поколінь, підкоряючись законам природного відбору і за принципом виживає найбільш пристосований (survival of the fittest), відкритого Чарльзом Дарвіном. Наслідуючи цьому процесу, генетичні алгоритми здатні розвивати вирішення реальних завдань, якщо ті відповідним чином закодовані. Наприклад, ГА можуть використовуватися, щоб проектувати структури моста, для пошуку максимального відношення міцності/ваги, або визначати найменш марнотратне розміщення для нарізки форм з тканини. Вони можуть також використовуватися для інтерактивного управління процесом, наприклад на хімічному заводі, або балансуванні завантаження на многопроцессорном комп'ютері.
У природі особини в популяції конкурують один з одним за різні ресурси, такі, наприклад, як їжа або вода. Крім того, члени популяції одного виду часто конкурують за залучення шлюбного партнера. Ті особини, які найбільше пристосовані до навколишніх умов, матимуть відносно більше шансів відтворити нащадків. Слабо пристосовані особини або зовсім не справлять потомства, або їх потомство буде дуже нечисленним. Це означає, що гени від високо адаптованих або пристосованих особин будуть поширяться в зростаючому кількості нащадків на кожному наступному поколінні. Комбінація гарних характеристик від різних батьків іноді може призводити до появи суперпріспособленного нащадка, чия пристосованість більше, ніж пристосованість будь-якого з його батька. Таким чином, вид розвивається, краще і краще пристосовуючись до середовища проживання.
ГА використовують пряму аналогію з таким механізмом. Вони працюють з сукупністю особин - Популяцією, кожна з яких представляє можливе рішення даної проблеми. Кожна особина оцінюється мірою її пристосованості згідно з тим, наскільки добре відповідне їй рішення задачі. Наприклад, мірою пристосованості могло б бути ставлення сили/ваги для даного проекту моста. (У природі це еквівалентно оцінці того, наскільки ефективний організм при конкуренції за ресурси.) Найбільш пристосовані особини отримують можливість відт...
