Algorytmy ewolucyjne i ich zastosowania

• Autorzy: Figielska E.
• Języki publikacji: PL

Abstrakty

PL

Pojęcie algorytmy ewolucyjne obejmuje metodologie inspirowane darwinowską zasadą doboru naturalnego stosowane do rozwiązywania trudnych zagadnień. W artykule przedstawione są podstawowe cztery typy algorytmów ewolucyjnych: algorytmy genetyczne, programowanie genetyczne, strategie ewolucyjne i programowanie ewolucyjne, omówiona jest i zilustrowana przykładem zasada działania algorytmu ewolucyjnego oraz przedstawione są przykłady zastosowań algorytmów ewolucyjnych w praktyce.

EN

The term evolutionary algorithm encompasses methodologies inspired by the principles of genetics and Darwinian natural selection that are used for solving hard problems. In this paper four types of evolutionary algorithms are described: genetic algorithms, evolution strategies, genetic programming and evolutionary programming. An example illustrating how an evolutionary algorithm works is shown. Some real-life applications of evolutionary algorithms are presented.

Słowa kluczowe

PL

algorytmy ewolucyjne; algorytmy genetyczne; programowanie genetyczne; strategie ewolucyjne; programowanie ewolucyjne

EN

evolutionary algorithm; genetic algorithms; evolution strategies; genetic programming; evolutionary programming

• Wydawca: Warszawska Wyższa Szkoła Informatyki
• Czasopismo: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
• Rocznik: 2006
• Tom: nr 1
• Strony: 81--92
• Opis fizyczny: Bibliogr. 17 poz., rys., tab., wykr.,

Twórcy

autor

Figielska E.

• Warszawska Wyższa Szkoła Informatyki
• Politechnika Warszawska

Bibliografia

• 1. G. E. Carrillo-Ureta, P. D. Robrts, V. M. Becerra, Genetic algorithm for optimal control of beer fermentation, Proc. of IEEE Intern. Symp. On Intelligent Control, Mexico City, 391-396, 2001.
• 2. K. Deb, Multi-objective Optimization Using Evolutionary Algorithms, Wiley, 2001.
• 3. U.M. Foyyad, G. Piatetzky-Shapiro, P. Smyth, R. Uthurusamy, Advances in Knowledge Discovery and Data Minning, Cambridge, MA: AIII Press/MIT Press, 1996.
• 4. L. J. Fogel, A. J. Owens, M. J. Walsh, Artificial Intelligence through Simulated Evolution, John Wiley, New York, 1966.
• 5. D. B. Fogel, Evolutionary Computing: The Fossile Record, IEEE Press, Piscataway, NJ, 1998.
• 6. D. E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT 1995.
• 7. S. D.Harris, L.Elliot, D. B. Ingram, M. Pourkashanian, C. W. Wilson, The optimization of reaction rate parameters for chemical kinetic modeling of combustion using genetic algorithms, Comput. Meth. Appl. Mech. Eng. 190, 1065-1090, 2000.
• 8. J. H. Holland, Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor, MI, 1975.
• 9. K. E. Kinnear, Advances in Genetic Programming, MIT Press, Cambridge, Mam 1994.
• 10. J. R. Koza, Genetic Programming, MIT Press, 1992.
• 11. V. Oduguwa, A. Tiwari, R. Roy, Evolutionary computing in manufacturing industry: an overview of recent applications, Applied Soft Computing 5, 281-299, 2005.
• 12. C. A. Peňa-Reyes, M. Sipper, A fuzzy-genetic approach to breast cancer diagnosis, Artif. Itell. Med. 17, 131-135, 1999.
• 13. C. A. Peňa-Reyes, M. Sipper, Evolutionary computation in medicine: an overview, Artif. Itell. Med. 19, 1-23, 2000.
• 14. R echenberg, Evolutionstrategie: Optimierung Technisher Systeme nach Prinzipien des Biologischen Evolution, Fromman-Hozlboog Verlag, Stuttgart, 1973.
• 15. H. P. Schwefel, Numerical Optimization of Computer Models, John Wiley & Sons, New York,1981.
• 16. L. A. Wolsey, Integer Programming, John Wiley & Sons Inc. 1998.
• 17. Y. Yu, M. C. Schell, J. B. Hang, Decision theoretic steering and genetic algorithm optimization: application to stereotactic radiosurgery treatment planning, Med. Phys 24, 1742-1750, 1997.