Разработка принципов построения генетических алгоритмов и вычислительных систем для их реализации

• Автор: Матвиенко, Наталия Игоревна
• Шифр специальности: 05.13.15
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Санкт-Петербург
• Количество страниц: 200 с.

1.1. ГА в классификации эволюционных алгоритмов как методов оптимизации .

1.2. Адаптация в ГА

1.3. Вычислительные системы для реализации ГА

1.4. Организация вычислительных процессов в ВС ГА

1.5. Выводы по главе 1.

ГЛАВА 2. РАЗРАБОТКА МЕТОДОВ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПОСЛЕДОВАТЕЛЬНЫХ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ.

2.1. Теория ГА, особенности и основные зависимости.

2.2. Исследование и разработка оператора селекции

2.3. Исследование операторов мутации и кроссовера

2.4. Разработка нечеткого адаптивного однородного кроссовера

2.5. Выводы по главе 2.

ГЛАВА 3. СТРУКТУРНАЯ ОРГАНИЗАЦИЯ ВС ГА
3.1. Преобразование последовательного ГА в параллельный
3.2. Структура блока нечеткого логического вывода П.
3.3 Выводы по главе 3.
ГЛАВА 4. РАЗРАБОТКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ПОДДЕРЖКИ ПРОЦЕССОВ ПРОЕКТИРОВАНИЯ
АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ ВС ГА
4.1. Разработка инструментальной системы исследования алгоритмического обеспечения ВС ГА
4.2. Разработка инструментальных средств для оптимизации работы интеллектуальной транспортной системы на основе ВС ГА.
4.3. Выводы по главе 4.
ЗАКЛЮЧЕНИЕ 4
ПРИЛОЖЕНИЕ 1.
ПРИЛОЖЕНИЕ 2.
ПРИЛОЖЕНИЕ 3.
ПРИЛОЖЕНИЕ 4.
ПРИЛОЖЕНИЕ 5.
ЛИТЕРАТУРА


Генетический алгоритм селекционеров
При этом под виртуальным селекционером понимается некоторый механизм селекции, который и является основным отличием ГАС от стандартного ГА. Стандартный ГА представляет собой строго синхронизованный последовательный алгоритм, который в условиях большого пространства поиска или сложного ландшафта пространства поиска может быть неэффективен по критерию времени. Эту проблему позволяет решить другой вид ГА параллельный генетический алгоритм ПГА. Следует отметить, что любая последовательная модификация ГА может быть преобразована в параллельную. Качество параллельного алгоритма или его эффективность определяется способом распараллеливания. Наиболее эффективным является такое распараллеливание задачи на подзадачи, в которых операции обмена составляют незначительную часть от общего числа операций подзадачи. Такие подзадачи называются ветвями параллельного алгоритма. В основе всех параллельных модификаций ГА лежит прием распараллеливания по циклам. Так, при распараллеливании ГА различными способами исключается внутренний цикл, параметром которого является размер популяции. Такой прием позволяет представить процесс в виде параллельных ветвей, полученных расщеплением цикла на части, число которых равно числу повторений цикла. На входе и выходе параллельный процесс вычислений сводится к последовательному процессу вычислений рис. ПГА на основе индивидов ПГА3. ПГА, сохраняет стандартную структуру ГА, работающего с целой популяцией, распараллеливание реализуется на этапе кроссовера и мутации см.