Воспользуемся рассмотренным в предыдущем параграфе предположением о том, что об устойчивости генома лучшего представителя популяции можно по контрольным картам Шухарта. Таким образом, задачу подбора оптимальных значений генома можно свести к задаче статистического прогнозирования временных рядов. В роли оцениваемого временного ряда выступает вектор:
.
где P — глубина прогноза (временной интервал из прошлых значений гена, выраженный в единицах поколений),, N — длина генома.
Алгоритм ГА с предсказанием запишем следующим образом:
- l Если временной ряд i-го гена лучшего представителя популяции управляем по Шухарту за последние L поколений
- l То добавить в популяцию особь, геном которой составлен из предсказанных значений генов на K поколений вперед, где значения L и K выбираются пользователем, и, как правило, удовлетворяют следующим граничным условиям:
L > 15, 15 > K > 5.
В качестве процедуры предсказания предлагается использовать метод наименьших квадратов.
ЭКСПЕРИМЕНТ
Для экспериментального подтверждения приведенных выше положений проведем подбор оптимальных значений для следующих двух функций:
1. ,.
где N (длина генома) — 50, размер популяции — 20, начальный разброс значений задан на отрезке [-10;10], точность — 0.1.
2. ,.
где N (длина генома) — 25, размер популяции — 60, начальный разброс значений задан на отрезке [-5.12;5.12], точность — 0.001.
Для первой функции количество поколений в среднем составило 501 и 414 для стандартного ГА и для ГА с предсказанием соответственно. Для второй 337 и 261 соответственно. Таким образом, можно сказать, что ГА с предсказанием обладает на 15−20% большей сходимостью, чем классический ГА.