Генетический поиск

Cтраница 1

Модифицированная схема миграции и искусственной селекции. [1]

Генетический поиск здесь осуществляется путем объединения хромосом из различных популяций. Здесь блоки 1 - 3 реализуют простой ГА. Заметим, что в каждом блоке выполняется своя искусственная селекция. [2]

Методы генетического поиска - наиболее продвинутые и сложные из новых методов, разработанных на сегодня. Есть свидетельства, что они быстрее и достоверней, чем все предыдущие. Описание подробностей их действия не входит в рамки данной книги. Однако в связи с их превосходством знание о их существовании может оказаться полезным. [3]

Методы генетического поиска являются методами направленного поиска, но включение мутаций ( то есть нестандартных случайных шагов в области пространства переменных, отклоняющихся от пути направленного поиска) снижает вероятность выбора локального максимума в качестве глобальной топ-модели. Поскольку для пространства торговых моделей характерно обилие экстремумов, надежность генетических методов делает их перспективными в исследовании торговых моделей. [4]

Предложенная схема генетического поиска позволяет варьировать размер популяции от генерации к генерации, что позволяет частично предотвращать преждевременную сходимость алгоритма в задачах разбиения. [5]

Управление процессом генетического поиска при разбиении позволяет находить оптимальные параметры. [6]

Приведем структурную схему генетического поиска для решения переборных комбинаторно логических задач на графах ( рис. 6.74) на основе информирующих обратных связей и концепции объединенной эволюции. После реализации ГА на рисунке 6.74 компенсатор при взаимодействии с внешней средой реализует синергетические принципы, а фильтр хромосом поддерживает гомеостаз. При этом лучшие хромосомы отправляются для смешивания популяций и выхода из локальных оптимумов. Редуктор уменьшает размер популяции, устраняя хромосомы со значением ЦФ ниже средней. Блоки сумматор, редуктор и фильтр хромосом позволяют повысить эффективность реализации эволюции и скорость распознавания изоморфизма графов. Следует отметить, что в графах большой размерности с нетривиальными автоморфизмами ( К 100) процесс установления изоморфизма резко усложняется, но использование таких схем поиска на порядок снижает временную сложность алгоритма. [7]

Применение нестандартных архитектур генетического поиска позволяет находить существующие подстановки внутри подграфов и эффективно решать задачи установления изоморфизма графов, раскраски графов, построения независимых подмножеств. [8]

Таким образом, цель генетического поиска - найти экземпляр хромосомы, имеющий значение функции полезности, максимально близкое к ее экстремальному значению. Направленный поиск малой окрестности экстремума осуществляется в генетическом алгоритме с помощью генетических операторов выбора родителей, кроссовера, мутации, селекции, переупорядочения, поясняемых далее. [9]

Описаны новые перспективные технологии генетического поиска для решения оптимизационных задач, позволяющие частично решать проблемы предварительной сходимости алгоритмов. Авторы рассматривают такую новую область ЭМ, как искусственная жизнь, а также решение оптимизационных задач с применением подходов, разрабатываемых в этой области. [10]

Возможны новые варианты планирования генетического поиска, основанные на триедином подходе ( синергетика-гомеостатика-эволюция), комбинированной эволюции, адаптации к внешней среде, использовании статистических методов оптимизации и различных поисковых стратегий. [11]

Важным вопросом при реализации генетического поиска является построение ЦФ. [12]

Приведенные структурные схемы управления генетическим поиском позволяют повысить качество решения и уменьшить время поиска. [13]

Ядром книги является новая перспективная технология генетического поиска и эволюционного моделирования. Авторы стремились показать, как они используются для решения практических задач. В этой связи книга структурирована следующим образом. [14]

Укрупненная схема генетического поиска. [15]

Страницы: 1 2 3 4 5