Экспериментальная часть

В данной работе проводят анализ зависимости характеристик работы генетических алгоритмов или эволюционных стратегий (скорости их сходимости и возможности обнаружения глобального экстремума фитнесс-функции) от установочных параметров – размера начальной популяции и скорости мутаций, а также от вида оптимизируемой функции. Для этого необходимо выполнить следующую последовательность действий.

1. Выполнить реализацию генетического алгоритма или эволюционной стратегии и описать ее детали.

2. Для нескольких выпуклых (обладающих единственным максимумом) функций построить графики зависимости (где – истинное положение глобального экстремума, а –максимальное по текущей популяции значение фитнесс-функции) от номера популяции i при различных значениях скорости мутации и размера начальной популяции. Следует обратить внимание на выбор диапазона . Графики необходимо построить для двух случаев: когда точка попадает в этот диапазон и когда она находится вне него.

3. Для нескольких функций с многими локальными экстремумами провести те же исследования, что и для функций с единственным экстремумом.

4. Проанализировать полученные результаты. Определить, какое именно влияние оказывает скорость мутаций на функционирование алгоритма поиска. Определить, может ли большая скорость мутаций быть заменена большим размером популяции. Установить различия в характере работы алгоритма поиска для функций с единственным и многими экстремумами. Сделать выводы по работе.

Литература

1. Назаров, А.В. Нейросетевые алгоритмы прогнозирования и оптимизации систем / А.В. Назаров, А.И. Лоскутов. – СПб.: Наука и Техника, 2003. – С. 254-281.

2. Люгер, Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Д.Ф. Люгер. – 4-е изд.: Пер. с англ. – М.: Изд. дом “Вильямс”, 2003. – С. 483-516.

Вопросы для самопроверки:

1. В чем основное отличие генетических алгоритмов от эволюционных стратегий?

2. Из каких основных шагов состоят генетические алгоритмы?

3. Как влияет скорость мутаций на скорость сходимость алгоритмов поиска?

4. При использовании какого типа родства: ближнего или дальнего, – скорость сходимости алгоритма будет больше?

5. Если при использовании эволюционных стратегий область задания начальной популяции не содержит искомого экстремума, то благодаря какому из генетических операторов этот экстремум все же может быть найден? Или при таких условиях он не может быть найден в принципе?

6. Благодаря какому генетическому оператору эволюционные методы существенно отличаются от градиентного спуска, и в чем именно заключается это отличие?

Дата добавления: 2015-06-27