Исследование и разработка алгоритмов эволюционного моделирования с динамическими параметрами

• Автор: Хабарова, Ирина Владимировна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Таганрог
• Количество страниц: 126 с. : ил

Оглавление
ВВЕДЕНИЕ

1. ОСНОВНЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ ЭВОЛЮЦИОННОГО МОДЕЛИРОВАНИЯ

1.1. Эволюционное моделирование

1.2. Типы ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ.

1.3. Примеры программной реализации.

1.4. Выводы.

2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ЭВОЛЮЦИИ И ИХ ИСПОЛЬЗОВАНИЕ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЭВОЛЮЦИОННОГО МОДЕЛИРОВАНИЯ.

2.1. Модели эволюции

2. 1. 1. Модель эволюции Дульнева.

2.1.2. Дискретные модели циклов эюизни

2.1.3. Модель старения Маккепдрика фон Фрстера.
2.1.4. Оптимизация эволюционных процессов с помощью управления размером популяции.
2.2. Использование моделей эволюции для решения задач оптимизации
2.3. Методы повышения эффективности эволюционного моделирования
2.4. Выводы.
3. ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ С ДИНАМИЧЕСКИМ ИЗМЕНЕНИЕМ ПАРАМЕТРОВ.
3.1. Эволюционные алгоритмы с динамическими параметрами
3.2. Оценка эффективности алгоритмов эволюционного моделирования с динамическими параметрами
3.3. Выводы.
4. РАЗРАБОТКА ПРОГРАММНОЙ РЕАЛИЗАЦИИ АЛГОРИТМОВ И
АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ.
4.1. Разработка инструментальной среды эволюционного МОДЕЛИРОВАНИЯ
4.2. Экспериментальные исследования эволюционных алгоритмов с
ДИНАМИЧЕСКИМИ ПАРАМЕТРАМИ.
4.3. Влияние динамических параметров эволюционных алгоритмов на
НАХОЖДЕНИЕ ОПТИМАЛЬНОГО РЕШЕНИЯ.
4.4. Оценка эффективности эволюционных алгоритмов с динамическими параметрами.
4.5. Выводы
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Структурные схемы алгоритмов реализованы программно. Реализация результатов работы. Основные теоретические и практические результаты диссертационной работы использованы в научно-исследовательских работах, выполненных по фанту Российского Фонда Фундаментальных Исследований № , госбюджетной работе № 0, выполненной по плану Министерства образования Российской Федерации, и госбюджетной работе № 0, выполненной в рамках Федеральной профаммы “Перспективные информационные технологии” по плану Министерства науки, промышленности и технологии Российской Федерации. Материалы диссертации использованы в учебном процессе на кафедре ТОЭ, САПР ТРТУ при проведении практических занятий в цикле лабораторных работ по курсу “Генетическое профаммирование”, “Методы генетического поиска”, “Информатика”. Апробация работы. Апробация научных и практических результатов работы проводилась на научных семинарах( -, ТРТУ), международных научно-технических конференциях “Интеллектуальные САПР-”, “Интеллектуальные САПР-”, V всероссийской научной конференции студентов и аспирантов “ КРЭС-”, научной конференции “Интегрированные модели и мягкие вычисления в искусственном интеллекте”(г. Интеллектуальные САПР-”. Публикации. По теме диссертации опубликовано печатных работ. Структура и объем диссертационной работы. Диссертационная работа состоит из введения, четырех глав, списка литературы и приложений. Работа содержит 2 страниц, включая рисунка, таблицы, список литературы из 5 наименований, 4 страницы приложений. Эволюционное моделирование является одной из фундаментальных областей научных исследований на стыке информатики, биологии и искусственного интеллекта [1,3, 5,6,,]. В эволюционные вычисления включаются (рис. Фразера, Бремерманна, Рида и Холланда, которые включают в себя как подмножество генетическое программирование, введенное Коза. Механизм эволюционного программирования (ЭП) рассмотрен в работе Фогеля и др. В этой работе последовательные символы задач были представлены посредством поиска через пространства автоматов с конечными состояниями. Пример задачи эволюционного программирования приведен в []. Основная идея ЭП заключается в применении двух операторов: селекции и мутации. ЭП со случайным выбором диаграмм автоматов с конечными состояниями и селекцией лучших - это мощный метод для проблем с малым пространством поиска. Как отражение процессов, происходящих в живой природе, в эволюционном моделировании существуют различные философские подходы к эволюционному процессу. В эволюционных алгоритмах задача сводится к изучению поведения фенотипа, процесс эволюции используется для изучения способности индивида адаптироваться в изменяющихся условиях. Эволюционные алгоритмы для изучения пространства фенотипов используют как основной оператор мутации. Небольшие изменения, вызываемые им, проявляются и у родителей, и у потомков. Мощным инструментом адаптации в эволюционных алгоритмах является конкуренция между всеми индивидами за возможность включения в следующую популяцию. Конкуренция может также применяться для фиксированного числа индивидов. Соперники определяются на основе детерминированного или случайного выбора элементов популяции. Различия в генетических и эволюционных алгоритмах проявляются и в выборе целевой функции. Селекция в генетических алгоритмах выполняется на основе целевой функции, которая на всех этапах эволюции остается неизменной. В результате развитие эволюционного процесса может свестись к нахождению только локального оптимума. В эволюционных алгоритмах целевая функция определяется в процессе конкуренции между индивидами. Это обеспечивает изменение целевой функции и предотвращает преждевременную сходимость. Эволюционные алгоритмы являются мощным инструментом по преодолению локальных оптимумов в оптимизационных задачах. Это объясняется использованием механизмов конкуренции между индивидами. В эволюционном программировании и эволюционных стратегиях эволюция выполняется на уровне фенотипа. В отличие от этих двух групп генетические алгоритмы используют генетическое представление.