Computing strategy adaptation for genetic algorithms

• Autorzy: Smoliński A.
• Języki publikacji: EN

Abstrakty

EN

The article presents the results of comparative tests of different modification calculation strategy genetic algorithms. It compared the 5 popular adaptation for 5 the features representing different classes of problems. The results in-dicate that various modifications in the different issues under consideration. These tests allow you to create a genetic strategy that will automatically adapt to the problem. Were compared with each other classic genetic algorithm, and such modifications as messy genetic algorithms, uneven mutation, elit-ism and floating-point gene representation.

Słowa kluczowe

EN

genetic algorithms; genetic adaptive; numeric representation; messy genetic algorithms; uneven mutation; elitism

• Wydawca: Komisja Informatyki Polskiej Akademii Nauk, Oddział w Gdańsku
• Czasopismo: Journal of Theoretical and Applied Computer Science
• Rocznik: 2015
• Tom: Vol. 9, nr 3
• Strony: 9--16
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Smoliński A.

• Faculty of Computer Science and Information Technology, West Pomeranian University of Technology, Szczecin, Poland

Bibliografia

• [1] Deb, K.: Multi-objective Optimization using Evolutionary Algorithms. John Wiley & Sons Ltd, 2001.
• [2] Michalewicz, Z.: Multi-objective Optimization using Evolutionary Algorithms. Wydawnictwo Naukowo-Techniczne, 1999.
• [3] Beluch, W.: Wpływ operatorów mutacji na skuteczność poszukiwań AE. Wydział Mechaniczny Technologiczny, Politechnika Śląska, 29.05.2016.
• [4] D. B. Fogel, J. W. Atmar : Comparing Genetic Operators with Gaussian Mutations in Simulated Evolutionary Process Using Linear Systems, volume 63. Springer-Verlag, 1990.
• [5] B. Freisleben, P. Merz : New Genetic Local Search Operators for the Traveling Salesman Problem. Springer Berlin Heidelberg, 2005.
• [6] Goldberg, D. E.: Algorytmy genetyczne i ich zastosowania. Wydawnictwo Naukowo-Techniczne, 1998.
• [7] Zitzler, E.: Evolutionary Algorithms for Multiobjective Optimization: Methods and Applications. Swiss Federal Institute of Technology Zurich, 1999.
• [8] Gwiazda, T. D.: Algorytmy genetyczne kompendium tom1. Wydawnictwo Naukowe PWN, 2007.
• [9] Gwiazda, T. D.: Algorytmy genetyczne kompendium tom2. Wydawnictwo Naukowe PWN, 2007.
• [10] Paszyńska, A.: Projektowanie wspomagane komputerowo a problemy zbieżności algorytmów genetycznych. Instytut Podstawowych Problemów Techniki PAN, 2007.
• [11] Przewoźniczek, M.: Nowy szablon z kodowaniem nieporządnym jako remedium na typowe wady algorytmu genetycznego. Wydział Informatyki i Zarządzania, Politechnika Wrocławska, 2012.
• [12] Grygierek, K.: Samoadaptacyjna metoda algorytmów genetycznych w optymalizacji przestrzennych kratownic, volume 52. Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej, 2014.
• [13] Słowik, A.: Właściwości i zastosowania algorytmów ewolucyjnych w optymalizacji. Komisja Informatyki Polskiej Akademii Nauk Oddział w Gdańsku, 2007.