Samoadaptacyjna optymalizacja genetyczna

• Autorzy: Smoliński A.
• Języki publikacji: PL

Abstrakty

PL

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).

EN

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).

Słowa kluczowe

PL

algorytmy genetyczne; adaptacja genetyczna; reprezentacja numeryczna chromosomów; nieporządne algorytmy genetyczne; mutacja nierównomierna; elitarność

EN

genetic algorithms; genetic adaptive; real problem optimization; numeric representation; messy genetic algorithms; uneven mutation; elitism

• Wydawca: Wydawnictwo Uczelniane Politechniki Koszalińskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
• Rocznik: 2016
• Tom: Nr 10
• Strony: 35--50
• Opis fizyczny: Bibliogr. 15 poz., rys., wykr.

Twórcy

autor

Smoliński A.

• Wydział Informatyki, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• 1. Beluch W.: Wpływ operatorów mutacji na skuteczność poszukiwań AE, Obliczenia ewolucyjne, laboratorium 4, Wydział Mechaniczny Technologiczny, Politechnika Śląska, http://www.imio.polsl.pl/Dopobrania/Lab%20OE%2004%20(mutacja).pdf [dostęp: 29.05.2016]
• 2. Deb K.: Multi-objective Optimization using Evolutionary Algorithms. John Wiley & Sons Ltd, UK, 2001
• 3. Fogel D. B., Atmar J. W.: Comparing Genetic Operators with Gaussian Mutations in Simulated Evolutionary Process Using Linear Systems, Springer-Verlag, Biological Cybernetics vol. 63, 1990
• 4. Freisleben B, Merz P.: New Genetic Local Search Operators for the Traveling Salesman Problem, Springer Berlin Heidelberg, Applications Of Evolutionary Computation Evolutionary Computation In Computer Science And Operations Research, 2005
• 5. Goldberg D. E.: Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1998
• 6. Grygierek K.: Samoadaptacyjna metoda algorytmów genetycznych w optymalizacji przestrzennych kratownic, Modelowanie Inżynierskie nr52, Gliwice 2014
• 7. Gwiazda T. D.: Algorytmy genetyczne kompendium tom1, Wydawnictwo Naukowe PWN, Warszawa 2007
• 8. Gwiazda T. D.: Algorytmy genetyczne kompendium tom2, Wydawnictwo Naukowe PWN, Warszawa 2007
• 9. Michalewicz Z.: Algorytmy genetyczne+struktury danych=programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, 1996
• 10. Paszyńska A.: Projektowanie wspomagane komputerowo a problemy zbieżności algorytmów genetycznych, rozprawa doktorska, Instytut Podstawowych Problemów Techniki PAN, 2007
• 11. Przewoźniczek M.: Nowy szablon z kodowaniem nieporządnym jako remedium na typowe wady algorytmu genetycznego, rozprawa doktorska, Wydział Informatyki i Zarządzania, Politechnika Wrocławska, Wrocław 2012
• 12. Słowik A.: Właściwości i zastosowania algorytmów ewolucyjnych w optymalizacji, Metody informatyki stosowanej, Koszalin 2007
• 13. Studniarski M.: Wykłady z algorytmów genetycznych Część 1: Podstawowe informacje o algorytmach genetycznych, Wydział Matematyki i Informatyki Uniwersytetu Łódzkiego, http://math.uni.lodz.pl/~marstud/AGwyklad1-2.pdf [dostęp: 26.12.2015]
• 14. Turing A. M.: Computing Machinery and Intelligence. „Mind”, Tom 59, nr 236, X/1950
• 15. Zitzler E.: Evolutionary Algorithms for Multiobjective Optimization: Methods and Applications, rozprawa doktorska, Swiss Federal Institute of Technology Zurich, 1999