Оператор - скрещивание
Cтраница 1
 |
Базовые параметры работы СТО.| Базовые параметры работы ОТО. [1] |
Оператор скрещивания, учитывая такое построение, работает следующим образом. На первом этапе в дочернюю сеть переходит некоторое количество нейронов от первого родителя. Например, сеть содержит 50 нейронов. Это значит, что скрещиванию подвергаются 40 % нейронов, а 60 % ( 30 нейронов) переходят в дочернюю сеть непосредственно без изменений и мутации от первого родителя. Конкретные нейроны выбираются случайно по равномерному закону. [2]
 |
Вероятность нахождения точного значения экстремумов тестовых функций при заданном числе популяций. [3] |
Оператор скрещивания - многоточечный или одноточечный кроссинговер; процент генной мутации - 0 001; отбор - элитный. [4]
 |
Вероятность нахождения точного значения экстремумов тестовых функций при заданном числе популяций. [5] |
Оператор скрещивания - дальнее родство на генотипе; процент генной мутации - 0 1, хромосомная мутация - инверсия; отбор - элитный, причем допускается повторение не более 10 одинаковых хромосом в новой популяции. [6]
Оператор скрещивания призван моделировать природный процесс наследования, то есть обеспечивать передачу свойств родителей потомкам. [7]
Работа оператора скрещивания проиллюстрирована в таблице 8.2. При этом в каждой паре разбиение на подстроки происходит независимо. [8]
В качестве операторов скрещивания, отбора и редукции выберем традиционные операторы, рассмотренные выше при решении задачи нахождения максимума одномерной функции. Дополнительно для оператора скрещивания можно установить вероятность применения 0 95 и использовать элитизм. [9]
Вырожденными формами операторов скрещивания являются, с одной стороны, точное копирование потомками своих родителей, а с другой, порождение потомков, в наибольшей степени отличающихся от них. Преимуществом первого варианта является скорейшее нахождение лучшего решения, а недостатком, в свою очередь, тот факт, что алгоритм не сможет найти решения лучше, чем уже содержится в исходной популяции, поскольку в данном случае алгоритм не порождает принципиально новых особей, а лишь копирует уже имеющиеся. Чтобы все-таки использовать достоинства этой формы операторов скрещивания в реальных генетических алгоритмах, применяют элитизм, речь о котором шла выше. [10]
Вероятность применения оператора скрещивания обычно выбирается достаточно большой, в пределах от 0 9 до 1, чтобы обеспечить постоянное появление новых особей, расширяющих пространство поиска. При значении вероятности меньше 1 часто используют элитизм. Это особая стратегия, которая предполагает переход в популяцию следующего поколения элиты, то есть лучших особей текущей популяции, без всяких изменений. Применение элитизма способствует сохранению общего качества популяции на высоком уровне. [11]
К полученной после воспроизведения популяции применяется оператор скрещивания. Он случайным образом выбирает из популяции две особи. Затем случайным же образом выбирается порядковый номер бита в особи, по которому она будет рассекаться. После чего особи обмениваются отсеченными концами. Как результат получаем новую популяцию. [12]
 |
Установка параметров генетического алгоритма.| Сохранение параметров генетического алгоритма. [13] |
Имеется также существенное отличие в параметрах оператора скрещивания. В Evolver вероятность скрещивания всегда равна 1, зато пользователь может задавать положение точки разбиения хромосомы. В GeneHunter, наоборот, пользователь определяет вероятность скрещивания, а точка разбиения выбирается случайно по равномерному закону. [14]
Если мы принимаем такое толкование, то операторы скрещивания и мутации могут считаться операторами репродукции, а селекция - отбором особей ( хромосом) для репродукции. [15]
Страницы: 1 2 3