Помощь в учёбе, очень быстро...
Работаем вместе до победы

Понятие генетического алгоритма

КурсоваяПомощь в написанииУзнать стоимостьмоей работы

Эволюционная теория утверждает, что каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. В процессе эволюции многие виды насекомых и рыб приобрели защитную окраску, еж стал неуязвимым благодаря иглам, человек стал обладателем сложнейшей нервной системы. Можно сказать, что эволюция — это процесс оптимизации всех… Читать ещё >

Содержание

  • Введение
  • Понятие генетического алгоритма
  • Генетические операторы
  • Фитнес-функция
  • Некоторые модели генетических алгоритмов
  • Genitor (Whitley)
  • CHC (Eshelman)
  • Hybrid algorithm (Davis)
  • I. sland Models
  • Выводы
  • Заключение
  • Литература
  • Приложение А

Понятие генетического алгоритма (реферат, курсовая, диплом, контрольная)

Эволюционная теория утверждает, что каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. В процессе эволюции многие виды насекомых и рыб приобрели защитную окраску, еж стал неуязвимым благодаря иглам, человек стал обладателем сложнейшей нервной системы. Можно сказать, что эволюция — это процесс оптимизации всех живых организмов.

Основной механизм эволюции — это естественный отбор. Его суть состоит в том, что более приспособленные особи имеют больше возможностей для выживания и размножения и, следовательно, приносят больше потомства, чем плохо приспособленные особи. При этом благодаря передаче генетической информации (генетическому наследованию) потомки наследуют от родителей основные их качества. Таким образом, потомки сильных индивидуумов также будут относительно хорошо приспособленными, а их доля в общей массе особей будет возрастать. После смены нескольких десятков или сотен поколений средняя приспособленность особей данного вида заметно возрастает.

Неудивительно, что ученые, занимающиеся компьютерными исследованиями, обратились к теории эволюции в поисках вдохновения. Возможность того, что вычислительная система, наделенная простыми механизмами изменчивости и отбора, могла бы функционировать по аналогии с законами эволюции в природных системах, была очень привлекательна. Эта надежда стала причиной появления ряда вычислительных систем, построенных на принципах естественного отбора.

Главная трудность с возможностью построения вычислительных систем, основанных на принципах естественного отбора и применением этих систем в прикладных задачах, состоит в том, что природные системы достаточно хаотичны, а все наши действия, фактически, носят четкую направленность. Мы используем компьютер как инструмент для решения определенных задач, которые мы сами и формулируем, и ы акцентируем внимание на максимально быстром выполнении при минимальных затратах. Природные системы не имеют никаких таких целей или ограничений, во всяком случае нам они не очевидны. Выживание в природе не направлено к некоторой фиксированной цели, вместо этого эволюция совершает шаг вперед в любом доступном ей направлении. Разработчик генетических алгоритмов выступает в данном случае как «создатель», который должен правильно установить законы эволюции, чтобы достичь желаемой цели как можно быстрее.

В данной работе будет рассмотрена сущность генетических алгоритмов, а также такое направления их применения, как решение задачи оптимизации.

Показать весь текст

Список литературы

  1. Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: The MIT Press, 1996
  2. Thomas Back. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. Oxford: University Press, New York, 1996.
  3. Аналитические технологии для прогнозирования и анализа данных // Нейропроект [Электронный ресурс]. Режим доступа: http://www.neuroproject.ru/genealg.php — Загл. с экрана
  4. Д.А. Генетические алгоритмы решения экстремальных задач. — Воронеж: Изд-во ВГТУ, 1995
  5. Г. К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев. Харьков: Основа, 1997
  6. Генетические алгоритмы — математический аппарат// Методы оптимизации [Электронный ресурс]. Режим доступа: http://www.basegroup.ru/library/optimization/ga_math/ - Загл. с экрана
  7. Генетические алгоритмы //Дискретная математика: алгоритмы[Электронный ресурс]: портал Санкт-Петербургского Государственного Университета информационных технологий, механики и оптики. Режим доступа: http://rain.ifmo.ru/cat/view.php/theory/unsorted/genetic-2005 — Загл. с экрана
  8. Генетические операторы // Генетические алгоритмы [Электронный ресурс]. Режим доступа: http://qai.narod.ru/GA/genoperators.html — Загл. с экрана
  9. Генетический алгоритм: основные операции // Генетические алгоритмы [Электронный ресурс]. Режим доступа: http://g-u-t.chat.ru/ga/oper.htm — Загл. с экрана
  10. В.В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. — М.:ФИЗМАТЛИТ, 2003
  11. С. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов //Алголист [Электронный ресурс]. Режим доступа: http://algolist.manual.ru/ai/ga/ga2.php — Загл. с экрана
  12. Р. Генетические алгоритмы: почему они работают? когда их применять? //Компьютерра. № 11 от 16 марта 1999 г. — С.57−64
  13. Математические методы и алгоритмы / Под ред. В. П. Иванникова. М.: ИСП РАН, 2004
  14. Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польс. И. Д. Рудинского. М.: Горячая линия -Телеком, 2006
  15. С.В. Информатика — 4, Учебно методическое пособие по курсовому проекту. Томск, 2004
  16. Эволюционные вычисления // GetInfo [Электронный ресурс]: портал Компьютерной библиотеки GetInfo. / Yuri Burger. Режим доступа: http://www.getinfo.ru/article312.html. Загл. с экрана.
Заполнить форму текущей работой