Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Smoliński A.

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: messy genetic algorithms

Sortuj według:

Ogranicz wyniki do:

Samoadaptacyjna optymalizacja genetyczna

Smoliński A.

Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej

2016

Nr 10

35--50

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).

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).

Computing strategy adaptation for genetic algorithms

Smoliński A.

Journal of Theoretical and Applied Computer Science

2015

Vol. 9, nr 3

9--16

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.