НОУ ИНТУИТ | Эволюционные вычисления. Лекция 10: Эволюционное программирование

Учитесь и получайте официальные документы БЕСПЛАТНО. Вы можете поддержать наш проект.

Регистрация Вход

Твой путь к знаниям!

Московский государственный университет путей сообщения

Опубликован: 10.10.2014 | Доступ: свободный | Студентов: 866 / 193 | Длительность: 22:10:00

Тема: Алгоритмы и дискретные структуры

Специальности: Программист, Архитектор программного обеспечения

|

Вам нравится? Нравится 18 студентам

| Поделиться |

Поддержать курс

| Скачать электронную книгу

10.8. Реализация ЭП

Разработаны различные способы реализации ЭП, к которым относятся следующие основные виды.

Классическое ЭП в современной нотации [5] подразумевает использование мутации Гаусса. Кроме этого возможно применение самоадаптации основе логарифмически нормального распределения. На этапе отбора обычно применяется стратегия элитизма.
Быстрое эволюционное программирование реализуется с использованием мутации Коши с $\eta_{ij}(t)\sim C(0,v)$ и . Потомок генерируется согласно следующей формуле:

$x'_{ij}(t)=x_{ij}(t)+\sigma_{ij}(t)C_{ij}(0,1),$
где используется логарифмически нормальное распределение. На этапе отбора также применяется стратегия элитизма.
Экспоненциальное эволюционное программирование использует для формирования шума мутации двойное экспоненциальное распределение вероятностей с $f_{E,\varepsilon}(x)=\frac{\xi}{2}e^{-\xi|x|}$ . Потомок генерируется следующим образом:

$x'_{ij}(t)=x_{ij}(t)+\sigma_{ij}(t)\frac{1}{\xi}E_{ij}(0,1),$
где для $\sigma_{ij}$ выполняется самоадаптация и изменение распределения контролируется параметром $\xi$ . При этом, чем меньше значение $\xi$ , тем имеет место большее изменение. Обычно используются малые начальные значения $\xi$ , которые увеличиваются со временем.
Ускоренное эволюционное программирование использует два оператора вариации:
- Оператор направления для определения направления поиска на основе значений фитнесс-функции;
- мутация Гаусса $\eta_{ij}(t)\sim N(0,\sigma_{ij}(t))$ .
Здесь особи представляются в виде , где $p_i\in\{-1,1\},j=1,\dots,n_x$ дает направление поиска для каждой компоненты -ой особи и –возраст этой особи. При этом возраст используется для форсирования расширения пространства поиска в том случае, если потомок хуже родителей. Потомок генерируется в два этапа. На первом шаге изменяются значения параметра возраста для каждой особи и определяется направление поиска (в предположении минимизации) следующим образом:

Если значение фитнесс-функции особи улучшается, поиск продолжается в прежнем направлении. В противном случае увеличивается значение параметра возраста по следующему правилу:

Если $a_{i=1}$ , то

иначе

где $\gamma_1,\gamma_2$ -положительные компоненты.