Генетические алгоритмы |
|||||||||
Thomas Back. Self-Adaptation in Genetic Algorithms. | |||||||||
|
Представлен новый подход к выбору вероятности оператора мутации, основанный на идее, взятой из эволюционных стратегий. Вероятность мутации изменяется с ходом эволюции и настраивается адаптивно. Introduction (Введение) Кратко описываются ГА, а также дается сравнение в первом приближении генетических алгоритмов и эволюционных стратегий. Описывается цель работы. Основная особенность заключается в том, что вероятность мутации для каждой особи настраивается индивидуально, что ближе к природной модели, чем фиксированная вероятность для всей популяции. Adaptive mutation rates (Адаптивные вероятности мутации) Дан краткий анализ предыдущих работ различных исследователей. Основные особенности предлагаемого подхода: Таким образом, вероятность мутации не рассматривается как внешний параметр генетического алгоритма, а является объектом адаптационных процессов. Описывается механизм реализации адаптивной вероятности мутации. Сформулирована и доказана теорема об асимптотическом поведении вероятности оператора мутации. Extinctive Selection (Селекция с угасанием) Дается определение селекции с угасанием (когда в популяции присутствуют особи, вероятность выбрать которые для скрещивания равна нулю) и осторожной (preservative) селекции (вероятность выбора любой особи больше нуля). Experimental Results (Результаты экспериментов) Для тестирования взяты следующие функции: Параметры алгоритма (модифицированный алгоритм Грефенстетта): Рассматриваются варианты алгоритма с разными способами задания вероятности мутации и с различным количеством родительских особей, отобранных для скрещивания. Замечено, что на одномодальных функциях лучше показывают себя варианты с одинаковой адаптивной вероятностью для всех параметров. В то же время, для случая с многоэкстремальной функцией использование независимой адаптивной мутации для каждого параметра дает лучшие результаты. Формулируется гипотеза о том, что оптимальная вероятность мутации должна быть относительно большой. Т.е. мутация должна наряду с оператором кроссовера выполнять роль поискового оператора. Высказывается предположение, что использование селекции с угасанием и мутации способно улучшить показатели работы ГА. Summary (Выводы) Сделан вывод о полезности использованного подхода и рассматриваются его возможностях для построения генетического алгоритма с самоадаптацией. Отмечается необходимость более тщательного исследования влияния различных стратегий селекции и соотношения родители/потомки на работу алгоритма. Скачать статью (pdf, rar, 109 kb) Статья интересна тем, что в ней представлен один из возможных подходов к
созданию генетического алгоритма с адаптивной подстройкой параметров. Похожий вариант
существует и для оператора кроссовера. Я в скором времени выложу статью В.Спирса по этой теме.
Как говорится, оставайтесь с нами :). А вообще было бы любопытно создать ГА, в котором
в процессе эволюции абсолютно настраивались бы следующие параметры:
Что интересно, по отдельности работы в этих направлениях имеются. Однако о
конкретных реализациях, вобравших несколько пунктов, известно мало. Вроде бы, часть
упомянутых возможностей есть в реализации В.М. Курейчика (из российских исследователей).
Кстати, книга В.М. Курейчика "Теория и практика эволюционных вычислений"
единственная из встреченных мне на русском языке, которая подробно освещала бы генетические
алгоритмы и, что важно, теоретические и практические проблемы и возможные пути их решения.
Поэтому, пользуясь случаем, рекомендую. Книга выпущена издательством "ФИЗМАТЛИТ"
в 2003г.
[1 мая 2004г.] |
Made by Qwerty. Copyright © 2003. |