Ознакомьтесь с Условиями пребывания на сайте Форнит Игнорирование означет безусловное согласие. СОГЛАСЕН
 
 
Если в статье оказались ошибки...
 

Примеры упрощающей оптимизации генетического алгоритма

Относится к   «Список теоретических статей»

Примеры упрощения генетического алгоритма (ГА) и вырождения в более простые оптимизационные и функциональные системы при оптимизации внешним ГА

Относится к разделу Наука

Эта статья опубликована автором самостоятельно с помощью автопубликатора, отражает личное мнение автора и может не соответствовать мировоззренческой направленности сайта Fornit. Оценка публикации может даваться в виде голосования (значок качества) или обосновано в обсуждении. Ссылки на обе эти возможности есть внизу статьи.

 

Примеры упрощения генетического алгоритма

Примеры упрощения генетического алгоритма (ГА) и вырождения в более простые оптимизационные и функциональные системы при оптимизации внешним ГА.

 

Во всех перечисленных ниже случаях оптимизирующим функционалом генетического алгоритма верхнего уровня является суммарное количество опытов (суммарная популяция) необходимое генетическому алгоритму нижнего уровня, чтобы найти оптимум. ГА нижнего уровня - оптимизируемый, ГА верхнего уровня - оптимизирующий.

1) Оптимизация одного генетического алгоритма другим по входному сигналу в случае, если не все входные параметры влияют на результат (есть много паразитных параметров), автоматически дает список параметров непосредственно влияющих на фитнесс функцию. Паразитные параметры из входного сигнала элиминируются, так как, для проверки их влияния на фитнесс функцию, генетический алгоритм нижнего уровня должен генерировать дополнительное число особей. Необходимость подобной настройки входного сигнала существует во многих живых системах. На нейрофизиологическом уровне важная последовательность входных импульсов отбирается нейроном, для паразитных импульсов передача через синаптическую щель блокируется. Возможно в дальнейшем эти синапсы отмирают.

2) Генетический алгоритм, оптимизируемый другим генетическим алгоритмом может выродится в обычную систему с обратной связью. 

Рассмотрим случай с единственным входным параметром. Если в области изменения этого параметра фитнесс функция имеет единственный минимум (оптимум) то метод касательных ньютона, или любой другой метод поиска локального оптимума будет гораздо эффективнее генетического алгоритма по общему числу итераций (размеру популяции). Генетические алгоритмы, используемые на практике, зачастую содержат в себе обобщённый метод касательных, для ускорения сходимости к локальным минимумам. Если генетический алгоритм, содержащий метод касательных, оптимизировать внешним генетическим алгоритмом для случая с единственным оптимумом в рабочем диапазоне параметра, то в результате получим просто метод касательных, как требующий меньшей популяции в данном конкретном случае. То есть, будет осуществляться поиск оптимальной реакции при изменении входного сигнала, производимый по методу касательных ньютона исходя из результатов реакции. Это является, по сути, математическим описанием системы с обратной связью, когда сила реакции регулируется её результатом. Системы регуляции с обратной связью реализуются большинством рефлекторных дуг и нейронных цепей, участвующих в моторных и тонических реакциях организма. Этот случай легко обобщается на ситуацию когда входных параметров несколько.

3) Дан генетический алгоритм с некоторым набором параметров оптимизации, изменения каждого из которых влияет на фитнесс функцию. Предположим фитнесс функция зависит не от каждого параметра в отдельности, а, например, от их суммы, например f(x,y,z)=f(x+y+z), или от некоторой более сложной функции от них. Для увеличения эффективности поиска оптимума такой функции можно организовать внешний цикл оптимизации генетическим алгоритмом второго уровня. Поскольку оптимизация по единственному параметру заведомо эффективнее, чем оптимизация по нескольким параметрам, результатом работы внешнего цикла будет генетический алгоритм первого уровня, осуществляющий поиск оптимума от обобщённой характеристики. То есть, оптимизированный генетический алгоритм автоматически станет менять только обобщенную характеристику, и её изменением искать минимум (оптимум) фитнесс функции. Результатом работы такого генетического алгоритма будет значение обобщающей характеристики, соответствующее оптимуму фитнесс функции. А область значений исходных параметров, для которой значение обобщающей характеристики, определённое генетическим алгоритмом, постоянно, будет областью оптимума фитнесс функции. 



Автор kolian
Список публикаций >>

Обсуждение Еще не было обсуждений.



Оценить статью можно после того, как в обсуждении будет хотя бы одно сообщение.
Об авторе: Статьи на сайте Форнит активно защищаются от безусловной веры в их истинность, и авторитетность автора не должна оказывать влияния на понимание сути. Если читатель затрудняется сам с определением корректности приводимых доводов, то у него есть возможность задать вопросы в обсуждении или в теме на форуме. Про авторство статей >>.

Тест: А не зомбируют ли меня?     Тест: Определение веса ненаучности

В предметном указателе: Биогеохимическая роль ледниковой органики в гляциальном литогенезе на примере морено- ледниковых комплексов центральной Азии | Пример блаженного нежелания видеть и понимать | Пример блаженного нежелания видеть и понимать | Пример обсуждения в контексте веры. | Пример спора | Познай самого себя: Личная оптимизация психики | Требуется консультация по SEO и оптимизация сайта | Обсуждение статьи Познай самого себя: Личная оптимизация психики | Тестирование многоуровневых систем оптимизации (kolian) | Голографический принцип | Генетически модифицированные организмы | Генетические свойства юмора как эффективное средство преодоления кризисных состояний личности | Опыт применения антидепрессантов в неврологии и психиатрии - РОЛЬ ИНГИБИТОРОВ ОБРАТНОГО ЗАХВАТА СЕРОТОНИНА В ПАТОГЕНЕТИЧЕСКОЙ ТЕРАПИИ ДЕПРЕССИВНЫХ СОСТОЯНИЙ, АСТЕНИЧЕСКИХ И ВЕГЕТАТИВНЫХ РАССТРОЙСТВ ~ Акрихин | Поведением пчёл управляют эпигенетические механизмы | Получено генетическое подтверждение скрещивания наших предков с неандертальцами | Будут ли расшифрованы генетические основы разума? | Алгоритмы распознавания | Алгоритмы сознания | Алгоритмы сознания 2 | Программирование на любом алгоритмическом языке | Язык Адама(алгоритм образования языка) | Обсуждение Алгоритмы сознания | Обсуждение Алгоритмы сознания 2
Последняя из новостей: Трилогия: Основы фундаментальной теории сознания.

Обнаружен организм с крупнейшим геномом
Новокаледонский вид вилочного папоротника Tmesipteris oblanceolata, произрастающий в Новой Каледонии, имеет геном размером 160,45 гигапары, что более чем в 50 раз превышает размер генома человека.
Тематическая статья: Тема осмысления

Рецензия: Рецензия на книгу Майкла Газзанига Сознание как инстинкт

Топик ТК: Матрица, как симулякр-среда для симулякров
 посетителейзаходов
сегодня:00
вчера:00
Всего:41004608

Авторские права сайта Fornit