Генетические алгоритмы

Краткая выдержка из текста работы (Аннотация)

Генетический алгоритм включает три операции: селекция, скрещивание, мутация.

Оператор селекции (reproduction, selection) осуществляет отбор хромосом в соответствии со значениями их функции приспособленности. Существуют как минимум два популярных типа оператора селекции: рулетка и турнир.

Содержание работы

Необходимо найти минимум функции в заданной области.

При выполнении данного проекта необходимо учитывать, что решение задачи является подверженным влиянию случайных величин. Поэтому каждый запуск программы необходимо повторять, по крайней мере, 2030 раз. После этого из набора полученных решений надо отобрать лучшее. Разумеется, это надо сделать, поместив содержание главной программы в соответствующий цикл, в котором будет одновременно выбираться наилучшее решение. Одновременно надо вычислить и среднее значение минимума за эти 20-30 прогонов.

Рассмотреть равномерное скрещивание и инверсионную мутацию.

Каждая переменная кодируется 30 битами.

Провести расчеты для 30 и 100 поколений.

Сравнить получающиеся решения при размерах популяции 10, 20, 30 особей.

Введение 3

Понятие генетического алгоритма 5

Генетические операторы 8

Фитнес-функция 12

Некоторые модели генетических алгоритмов 14

Genitor (Whitley) 14

CHC (Eshelman) 14

Hybrid algorithm (Davis) 15

Island Models 15

Выводы 17

Заключение 19

Литература 20

Приложение А 22

Использованная литература

1. Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: The MIT Press, 1996
2. Thomas Back. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. Oxford: University Press, New York, 1996.
3. Аналитические технологии для прогнозирования и анализа данных // Нейропроект [Электронный ресурс]. Режим доступа: http://www.neuroproject.ru/genealg.php - Загл. с экрана
4. Батищев Д.А. Генетические алгоритмы решения экстремальных задач. - Воронеж: Изд-во ВГТУ, 1995
5. Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев, С.А.Сергеев. Харьков: Основа, 1997
6. Генетические алгоритмы - математический аппарат// Методы оптимизации [Электронный ресурс]. Режим доступа: http://www.basegroup.ru/library/optimization/ga_math/ - Загл. с экрана
7. Генетические алгоритмы //Дискретная математика: алгоритмы[Электронный ресурс]: портал Санкт-Петербургского Государственного Университета информационных технологий, механики и оптики. Режим доступа: http://rain.ifmo.ru/cat/view.php/theory/unsorted/genetic-2005 - Загл. с экрана
8. Генетические операторы // Генетические алгоритмы [Электронный ресурс]. Режим доступа: http://qai.narod.ru/GA/genoperators.html - Загл. с экана
9. Генетический алгоритм: основные операции // Генетические алгоритмы [Электронный ресурс]. Режим доступа: http://g-u-t.chat.ru/ga/oper.htm - Загл. с экрана

Другие похожие работы

• Курсовая - Разработка алгоритмического и программного обеспечения для решения графовых задач
• Контрольная - Арбитры и процессы арбитража
• Курсовая - Списки и деревья
• Дипломная - Создание интернет-магазина оптичиских приборов
• Курсовая - Создание автоматизированной системы для расчета себестоимости продукции промышленного предприятия
• Контрольная - Анализ математического выражения
• Курсовая - Справочник Парфюмерный магазин
• Курсовая - Разработка ИС Охранного агентства с помощью MS Access
• Реферат - История развития автоматизированных программных систем проектирования
• Контрольная - Исследование БИС прерываний КР580ВН56