Zastosowanie operatora krzyżowania równomiernego w przypadku algorytmów ewolucyjnych z krzyżowaniem wieloosobniczym

• Autorzy: Handzel Z. , Gajer M.

Identyfikatory

DOI

10.15199/ELE-2014-027

Warianty tytułu

EN

Implementing of equally operating crossing-over operator in evolutionary algorithms with multi-individual crossing-over

• Języki publikacji: PL

Abstrakty

PL

Tematyka artykułu dotyczy propozycji zastosowania operatora krzyżowania równomiernego w przypadku, gdy liczba krzyżujących się jednocześnie osobników jest większa niż dwa. W artykule zaproponowano oryginalną wersję wieloosobniczego operatora krzyżowania równomiernego, który może zostać użyty w przypadku dowolnej liczby krzyżujących się jednocześnie osobników. Zastosowanie tego rodzaju nietypowego operatora krzyżowania może przyczynić się do skrócenia czasu potrzebnego do wykonania obliczeń związanych z realizacją wybranych klas algorytmów ewolucyjnych.

EN

The topic of the paper is about using a uniform crossing-over operator in the case of simultaneous crossing over of individuals of the number greater than two. In the paper we propose an original version of multi-individual uniform crossing-over operator, which can be applied in the case of any number of crossing-over individuals. We believe that using such a non-typical crossing over operator can make the computational time shorter for selected classes of evolutionary algorithms.

Słowa kluczowe

PL

systemy ewolucyjne; operator krzyżowania; krzyżowanie wieloosobnicze; krzyżowanie równomierne

EN

evolutionary systems; crossing-over operator; multi-individual crossing-over; uniform crossing-over

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2014
• Tom: Vol. 55, nr 5
• Strony: 70--72
• Opis fizyczny: Bibliogr. 7 poz.

Twórcy

autor

Handzel Z.

• Uniwersytet Jagielloński, Wydział Zarządzania i Komunikacji Społecznej, Kraków

autor

Gajer M.

• AGH Akademia Górniczo-Hutnicza, Katedra Informatyki Stosowanej, Kraków

Bibliografia

• [1] Helbig M., Engelbrecht A. P., Population-based metaheuristics for continuous boundar-constrained dynamic multi-objective optimisation problems, Swarm and Evolutionary computation, Vol. 14, 2014, pp. 31–47.
• [2] Goldberg D. E., Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne, Warszawa, 1996.
• [3] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź, 1997.
• [4] Michalewicz Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, Warszawa, 2003.
• [5] Arabas J., Wykłady z algorytmów ewolucyjnych, Wydawnictwa Naukowo-Techniczne, Warszawa, 2004.
• [6] Gajer M., Task scheduling in real-time computer systems with the use of an evolutionary computations technique, Przegląd Elektrotechniczny, vol. 86, n. 10, 2010, pp. 293–298.
• [7] Handzel Z., Gajer M., Poszukiwanie rozwiązań problemu plecakowego z wykorzystaniem algorytmu genetycznego, Elektronika nr 2/2014.