|
73 С/ = 2.25Х(л-„-д-;) П=\ Ограничения: ° ^ х^ 10’ ,7= 1’2’’10 Минимум: ) ®,для которой ^ ~®>х» F7: Функция Растригина п=10: F(*, ) = ]Г (10cos(2^.v,) .\f) -100 ' (2.32) О граничения:_ 5 -12 “ А>5 1 2 ’ * = 1,2,...,10. Максимум: 0, ф уНКЦИЯ имеет i глобальный и (1010-1) локальных экстремумов. В список функций, на которых проводилось исследование ГА, включены функции, имеющие один локальный экстремум (FI F3), функция, имеющая несколько глобальных экстремумов (F4), а также сложные многоэкстремальные функции высокой размерности (F5, F6, F7), имеющие как локальные, так и глобальные экстремумы и практически не решаемые классическими методами оптимизации. При анализе эффективности ГА необходимо учитывать следующее. Устойчивость ГА, как было отмечено выше, определяется ростом значения функции приспособленности хромосом по популяции в среднем (функции Fitcp) при увеличении числа итераций. Это гарантирует, что при выполнении определенных условий будет получена хромосома, обладающая максимальной Fit. Поэтому качество генетических алгоритмов, оценивалось по тому, как количественно на процесс улучшения функций приспособленности Fit особей популяции влияют параметры генетического алгоритма, прежде всего вид генетических операторов кроссинговера сг и мутации т , методы выбора родительских пар: селекция -с/ и реализация механизмов отбора ot. Кроме того, помимо получения количественных оценок, приводилось качественное описание поведения популяции, управляемой ГА при определенных значениях его параметров [68]. |
Ограничения:-5.12<лг, <5.12, / = 1,2,...,10. Максимум: /Г(Х*) = 0; функция имеет 1 глобальный и (1010-1) локальных экстремумов. В список функций, на которых проводилось исследование ГА, включены функции, имеющие один локальный экстремум (F1F3), функция, имеющая несколько глобальных экстремумов (F4), а также сложные многоэкстремальные функции высокой размерности (F5, F6, F7), имеющие как локальные, так и глобальные экстремумы и практически не решаемые классическими методами оптимизации. Влияние параметров ГА на эффективность поиска При анализе эффективности ГА необходимо учитывать следующее. Устойчивость ГА, как было отмечено выше, определяется ростом значения функции приспособленности хромосом по популяции в среднем (функции Fitcp) при увеличении числа итераций. Это гарантирует, что при выполнении определенных условий будет получена хромосома, обладающая максимальной Fit. Поэтому качество генетических алгоритмов, реализуемых Конструктором, оценивалось по тому, как количественно на процесс улучшения функций приспособленности Fit особей популяции влияют параметры генетического алгоритма, прежде всего вид генетических операторов сг и т, методы выбора родительских пар cl и реализация механизмов отбора ot. Кроме того, помимо получения количественных оценок, приводилось качественное опи155 |