Генетический поиск

Cтраница 4

Предлагается иерархическая процедура решения задач сжатия топологии с использованием параллельного генетического поиска. Опишем кратко схему генетического поиска. Как и во всех описанных ранее алгоритмах, первоначально производится конструирование некоторого множества ( четырех) популяций. В качестве элемента популяции выбирается порядок ( реальный) расположения фрагментов топологии и соединений на плоскости, причем каждое соединение представляется прямоугольником, как и размещаемый элемент. [46]

Одноточечный кроссинговер.| Оператор мутации. [47]

Использование оператора мутации m в процессе биологической эволюции предотвращает потерю важного генетического материала; в генетических алгоритмах т применяется для выхода из локальных экстремумов. Для улучшения технологии генетического поиска оптимальных решений целесообразно применять операторы хромосомной мутации, предложенные в данной работе. [48]

Схема настройки нейронной сети на решение задач классификации и распознавания. [49]

Возможность нахождения глобального экстремума ошибки обучения с помощью генетического алгоритма повышает процент распознавания, что позволяет говорить о перспективности его использования в задачах проектирования сложных технических систем. Метод оптимизации на основе генетического поиска, используемый в процедуре обучения нейронной сети, дает возможность повышать достоверность принимаемых проектных решений при одновременном сокращении времени исследования. [50]

Ры происходит замена аллеля случайным значением, выбираемым с равной вероятностью в области определения гена. Именно благодаря мутациям расширяется область генетического поиска. [51]

Преобразованные хромосомы.| Полученный потомок после ОК. [52]

Отметим, что алгоритм основан на проблемно-специфическом представлении схемы и использует специально разработанные проблемно-ориентированные генетические операторы. Для избежания попадания в локальные оптимумы включена компонента управления генетическим поиском. Она отслеживает неблагоприятные изменения в популяции, тем самым препятствуя ее вырождению. Алгоритм имеет квадратичную зависимость О ( п2) времени решения от числа выводов ( цепей) канала. [53]

Существует ряд инженерных задач, когда при генетическом поиске большее число родителей ( альтернативных решений) обеспечивает лучшие результаты. Заметим, что использование оператора рекомбинации с несколькими родителями позволяет увеличить быстродействие генетического поиска. Однако это увеличение не всегда может произойти. Поэтому эффективность поиска изучают на тестовых задачах с контролируемыми параметрами. [54]

Отметим, что при реализации в рассмотренных ПГА существует трудно разрешимый недостаток, заключающийся в предварительной сходимости алгоритмов в локальном оптимуме, в общем случае далеком от глобального. Для устранения этого недостатка используется большое количество модифицированных генетических операторов, схем селекции и различных архитектур генетического поиска. [55]

Модель генетического поиска при взаимодействии элементов ИНЬ-ЯН. [56]

В цепи обратной связи добавлены блоки адаптации и миграции. Они позволяют производить построение порядка из хаоса, установление баланса в системе, выбор параметров для управления генетическим поиском с целью получения оптимальных и квазиоптимальных решений инженерных задач. [57]

Достигается высокая степень обобщения задач структурного синтеза, что обусловлено единством структуры хромосом для разных приложений в НСМ. В то же время в обычных генетических методах семантика генов, их типы меняются от задачи к задаче и, следовательно, меняется алгоритм генетического поиска. Кроме того, в ряде приложений имеет место взаимозависимость разных генов и, как следствие, велика вероятность появления недопустимых хромосом после выполнения генетических операторов кроссовера и мутации. Дня устранения подобного явления приходится применять дополнительные операторы корректировки хромосом, например метод РМХ. [58]

Пример модифицированной структуры ПГА. [59]

На рис. 3.3 приведен пример модифицированной структуры ПГА. Новые модификации могут строиться путем объединения, например, пунктов а) - з) или их частичного устранения, или их перестановок, а также на основе применения адаптационных принципов управления генетическим поиском. [60]

Страницы: 1 2 3 4 5