Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  operatory krzyżowania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Omówiono trzy rodzaje operatorów krzyżowania stosowanych do celów programowania genetycznego: operatory krzyżowania standardowego, krzyżowania zachowującego rozmiar oraz krzyżowania homologicznego. Przedstawiono wyniki porównujące skuteczność tych operatorów w zastosowaniu ich w celach ewolucyjnego generowania gramatyk bezkontekstowych na podstawie przykładów języka. W ramach prezentowanych wyników pokazany został wpływ różnych rodzajów operatorów krzyżowania na rozmiar osobników powstających w wyniku ewolucji, na wartość ich przystosowania, które jest miarą poprawności znalezionego rozwiązania zadanego problemu, oraz na zróżnicowanie powstającej populacji osobników w poszczególnych pokoleniach ewolucji.
EN
Three types of crossover operators used for genetic programming purposes: standard crossover operator, size fair crossover, and homologous crossover are presented in the article. It also analyses the results of the comparison of the effectives of those operators in evolutionary grammatical inference of context-free grammars based on positive and negative language samples. The results include the influence of various crossover operators on the individuals created by the process of evolution, on their fitness value, which is the measure of the correctness of the solution of a given problem, and on the diversity of the resulting population in given generations of the evolution.
PL
W pracy przedstawiono wyniki badań operatorów krzyżowania w algorytmie genetycznym dla problemu szeregowania zadań w systemie przepływowym przy kryterium minimalizacji długości uszeregowania. Praca składa się z trzech części. W pierwszej omówiono znane z literatury operatory krzyżowania, stosowane w problemach kolejnościowych, oraz przedstawiono nowy operator opracowany przez autorów. W drugiej części zaprezentowano szczegółowe wyniki badań efektywności tych operatorów. Badania wykonano dla losowo wygenerowanych problemów o rozmiarach n x M ={20x10, 50x20, 100x20, 200 x 10, 200 x 20, 500 x 20}, każdorazowo po 50 przykładów. Następnie zbadano, czy różnice pomiędzy wynikami otrzymywanymi przez poszczególne operatory są istotne. W tym celu dla każdego rozmiaru problemu obliczono dla poszczególnych operatorów względną odległość od najlepszego rozwiązania Amin i tak otrzymano średnie poddano testowi statystycznemu. Wyniki badań omówione w części trzeciej wykazały, że dzięki starannemu doborowi elementów algorytmu genetycznego można osiągnąć istotną poprawę działania algorytmu.
EN
This paper presents a comparison of genetic algorithm crossover operators for the flowshop problem. Paper is divided into three parts. In part one, the crossover operators known from literature and a new operator designed by authors have been described. In the second part detailed results of the effectiveness of these operators have been presented. lnvestigations were done for the problems of sizes of n x M = {20 x 10, 50 x 20, 100 x 20, 200 x 10, 200 x 20, 500 x 20}, every time for 50 problems for each size. Af-terwards the results were examined whether they differed considerably. Relative distances from the best solution Amin for each size of the problem were calculated and means got in such way were tested statistically. The results, discussed in part three, have been shown that thanks to accurate choice of genetic algorithm components it is possible tomkake a real improvement of algorithm performance.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.