25 Эволюционные стратегии были разработаны в 60-е годы ХХ-го века. Они создавались как эвристические алгоритмы оптимизации и были специально оптимизированы для решения задач с вещественными параметрами. В противоположность ГА и ГП, ЭС с самого начала разрабатывались ориентированными на практическое применение в задачах оптимизации. Основное отличие ГА от ЭС состоит в ориентированности ЭС на фенотип индивида, тогда как ГА в большей мере работают с генотипом [103]. В ЭС популяция рассматривается как центральный объект эволюции [12]. При этом ЭС исходит из предположения о том, что биологическая эволюция является, в первую очередь, процессом приспособления на поведенческом уровне, а не на уровне таких генетических структур, как хромосомы. Особи в ЭС -популяции характеризуются типом поведенческой реакции, видом общения и пр. В ЭС используется вещественное кодирование. Основные этапы ЭС аналогичны ГА, наибольший интерес представляет оператор мутации [28]. Речь идет о том, что в начале производится пошаговое изменение фенотипа потомков путем их мультипликации по логарифмическому нормальному закону распределения. После этого производится мутация выражения каждой логарифмической переменной, в котором к ее значению прибавляется нормально распределенная величина с математическим ожиданием, равным 0, и среднеквадратическим отклонением оу Таким образом, имеем где N(0,1) обозначает единичную реализацию нормально распределенной переменной*потомка; N¡(0,1) —вновь определяемое для^-й переменной значение N(0,1); Т] постоянный коэффициент; Т2коэффициент, варьируемый при каждой мутации. На практике обычно используются значения констант Т] и т2 на интервале от 0,1 до 0,2. В случае, если т=1, мутация упрощается и формально имеет следующий вид: ок =*акехр (г/ Лг(0,1) + т2Мк(0,1)) х) « + &} А? (0,1), V г> т: а, = ат ( 1.2), (1.3), |
37 генерация новой популяции, проверка критерия останова) аналогичны соответствующим этапам ГА. Эволюционные стратегии были разработаны в 60-е годы ХХ-го века [126]. Они создавались как эвристические алгоритмы оптимизации и были специально оптимизированы для решения задач с вещественными параметрами. В противоположность ГА и ГП, ЭС с самого начала разрабатывались ориентированными на практическое применение в задачах оптимизации. Основное отличие ГА от ЭС состоит в ориентированности ЭС на фенотип индивида, тогда как ГА в большей мере работают с генотипом [98]. В ЭС популяция рассматривается как центральный объект эволюции. При этом ЭС исходит из предположения о том, что биологическая эволюция является, в первую очередь, процессом приспособления на поведенческом уровне, а не на уровне таких генетических структур, как хромосомы. Особи в ЭС-популяции характеризуются типом поведенческой реакции, видом общения и пр. В ЭС используется вещественное кодирование. Основные этапы ЭС аналогичны ГА, наибольший интерес представляет оператор мутации. Речь идет о том, что в начале производится пошаговое изменение фенотипа потомков путем их мультипликации по логарифмическому нормальному закону распределения. После этого производится мутация выражения каждой логарифмической переменной, в котором к ее значению прибавляется нормально распределенная величина с математическим ожиданием, равным 0, и среднеквадратическим отклонением oj. Таким образом, имеем <*к= окехр (тj N(0,1) + т2Nk(0,1)), хj =Xj + a) Nj (0,1), V / > m: aj = am, где N(0,1) обозначает единичную реализацию нормально распределенной переменной потомка; Nj(0,l) — вновь определяемое для j-й переменной значение N(0,1); Х\ — постоянный коэффициент; т2 — коэффициент, варьируемый при каждой мутации. На практике обычно используются |