Algorytmy genetyczne i procesy ewolucyjne Wykład 4.pdf
(
156 KB
)
Pobierz
Algorytmy genetyczne i procesy ewolucyjne - Wykªad 4 -- kryteria zatrzymania algorytmu, operatory krzy»owania i mutacji
Algorytmygenetyczneiprocesyewolucyjne
Wykład 4 – kryteria zatrzymania algorytmu, operatory
krzy»owania i mutacji
Jacek Bieganowski
InstytutInformatykiiElektroniki
UniwersytetZielonogórski
email:J.Bieganowski@iie.uz.zgora.pl
http://www.uz.zgora.pl/~jbiegano/agipe09
23 marca 2009
Algorytmygenetyczneiprocesyewolucyjne–W4
Zatrzymaniealgorytmu
Kryteria zatrzymania algorytmu mo»na podzieli¢ na dwie grupy:
kryteria polegaj¡ce na monitorowaniu warto±ci funkcji
przystosowania, bazuj¡ce na spostrze»eniu, »e wraz z
kolejnymi generacjami maleje szansa na znalezienie lepszych
osobników od dotychczasowych,
kryteria polegaj¡ce na monitorowaniu zdolno±ci
eksploracyjnych algorytmu
ró»norodno±ci osobników pozwalaj¡cej na modyfikacj¦ w
wyniku krzy»owania,
zasi¦gu operatora mutacji gdy jest samoczynnie adoptowany.
Algorytmygenetyczneiprocesyewolucyjne–W4
Monitorowanierozwi¡za«(1)
Kryteriummaksymalnegokosztu
jest najprostszym w
implementacji, polega ono no zatrzymaniu algorytmu gdy
zostanie przekroczony maksymalny koszt algorytmu.
Maksymalny koszt mo»e wynika¢ ze specyfiki zadania –
wymagany jest okre±lony czas na znalezienie odpowiedzi.
Maksymalny koszt zale»y od parametrów zadania (np
liczebno±¢ populacji).
Kryteriumzadowalaj¡cegopoziomufunkcji
przystosowania
jest spełnione, gdy algorytm znajdzie
rozwi¡zanie o warto±ci funkcji przystosowania przekraczaj¡cej
zadany przez u»ytkownika próg. Wad¡ tego kryterium jest
potrzeba znajomo±ci funkcji przystosowania oraz mo»liwo±¢
praktycznie niesko«czenie długiego poszukiwania warto±ci
powy»ej progu.
Algorytmygenetyczneiprocesyewolucyjne–W4
Monitorowanierozwi¡za«(2)
Kryteriumminimalnejszybko±cipoprawy
bazuje na
obserwacji szybko±ci zmian wyniku osi¡ganego przez algorytm.
Algorytm jest zatrzymywany, je±li w kolejnych
generacjach
nie uda si¦ poprawi¢ wyniku o wi¦cej ni»
"
, czyli spełniony jest
warunek
Algorytmygenetyczneiprocesyewolucyjne–W4
|
(
^
X
(
t
−
))
−|
(
^
X
(
t
))
|¬
".
Cz¦sto przyjmuje si¦, »e
"
=
0 – czyli, »e algorytm jest
zatrzymywany, je±li nie uda si¦ znale¹¢ lepszego rozwi¡zania w
kolejnych
generacjach.
Monitorowaniepopulacji
Kryteriumzanikuró»norodno±cipopulacji
bazuje na
obserwacji ró»norodno±ci populacji, która maleje wraz z
kolejnymi generacjami. Obni»enie ró»norodno±ci poni»ej
pewnego progu, ±wiadczy o przej±ciu algorytmu do etapu
eksploatacji ekstremum. Na przykład ró»norodno±¢ populacji
mo»na okre±li¢ badaj¡c odchylenia standardowe genotypów
s
(
X
i
−
X
i
(
t
))
2
.
Zaniksamoczynnieadaptowanegooperatoramutacji
opiera si¦ na spostrze»eniu, »e je±li w algorytmie stosuje si¦
adaptacj¦ zasi¦gu mutacji, to od pewnego momentu zasi¦g
ten ma trwał¡ tendencj¦ do zmniejszania si¦. Wi¡»e si¦ to z
faktem, »e algorytm zaczyna eksploatacj¦ znalezionego
ekstremum. W tym kryterium przyjmuje si¦, »e zmniejszenie
±redniej warto±ci odchyle« standardowych poni»ej zadanego
progu powoduje zako«czenie poszukiwa«.
Algorytmygenetyczneiprocesyewolucyjne–W4
1
/
(
µ
−
1
)
X
X
2
P
t
Plik z chomika:
Lexor2
Inne pliki z tego folderu:
Algorytmy genetyczne i procesy ewolucyjne Wykład 5.pdf
(866 KB)
Algorytmy genetyczne i procesy ewolucyjne Wykład 4.pdf
(156 KB)
Algorytmy genetyczne i procesy ewolucyjne Wykład 3.pdf
(220 KB)
Algorytmy genetyczne i procesy ewolucyjne Wykład 2.pdf
(116 KB)
Algorytmy genetyczne i procesy ewolucyjne Wykład 1.pdf
(274 KB)
Inne foldery tego chomika:
Budowa i analiza algorytmów (BAL)
data algorithms
Sortowanie
Zgłoś jeśli
naruszono regulamin