- Tytuł:
- Samoadaptacyjna optymalizacja genetyczna
- Autorzy:
- Smoliński, A.
- Powiązania:
- https://bibliotekanauki.pl/articles/118408.pdf
- Data publikacji:
- 2016
- Wydawca:
- Politechnika Koszalińska. Wydawnictwo Uczelniane
- Tematy:
-
algorytmy genetyczne
adaptacja genetyczna
reprezentacja numeryczna chromosomów
nieporządne algorytmy genetyczne
mutacja nierównomierna
elitarność
genetic algorithms
genetic adaptive
real problem optimization
numeric representation
messy genetic algorithms
uneven mutation
elitism - Opis:
-
W artykule przedstawiono nowe podejście do adaptacyjnych Algorytmów genetycznych. Koncepcja samoadaptacyjnej optymalizacji genetycznej opiera się na wprowadzeniu meta-algorytmu, w ramach którego poszczególne algorytmy genetyczne (z różnymi operatorami oraz parametrami) rywalizują między sobą. Artykuł zawiera wstępne badania, ukazujące działanie różnych modyfikacji algorytmów genetycznych na wybranych problemach. Przeprowadzone eksperymenty wskazują, że użycie strategii samoadaptacji w proponowanym zakresie może przynieść obiecujące rezultaty. Opisywane w niniejszym dokumencie prace ukazują porównanie modyfikacji takich jak: reprezentacja numeryczna chromosomów, nieporządne algorytmy genetyczne, mutacja nierównomierna czy elitarność. Wyniki różnych podejść zostały również porównane do klasycznego podejścia (reprezentacja binarna, jednopunktowe krzyżowanie).
This paper presents a new way of adaptive in genetic algorithms. Concept of self-adaptive genetic optimization was based on meta-algorithm, where different operators with different parameters competitive with each other. The paper contains preliminary research, showing how the various genetic algorithms modification react with different problems. Conducted experiments suggest that developed selfadaptive strategy for real problem optimization using genetic algorithms may return promising results. Described research compare genetic modification as: chromosome numeric representation, messy genetic algorithms, uneven mutation and elitism. The results of different approach have been also compared to result of classic genetic algorithm (with binary representation, one-point crossing). - Źródło:
-
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2016, 10; 35-50
1897-7421 - Pojawia się w:
- Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
- Dostawca treści:
- Biblioteka Nauki
Artykuł