Главная
Биография
Научные труды
Портфолио
Дисциплины
Лекции (old)
Программное обеспечение
Дипломники
Материалы студентов
Заметки
Сотрудничество
Консультации
Патенты
Услуги
Ссылки
Блог
Контакты


ФОРУМ

Генетические алгоритмы

"Селекционеры давно открыли важность свободы выбора решений: в каждом поколении выбирается не одна пара, а некоторое количество растений, наиболее точно удовлетворяющих заданному критерию регуляризации (близость к черному тюльпану). Кроме того, они установили, что слишком много свободы также вредно, как и когда ее нет. Имеется оптимум количества растений, отбираемых в каждом поколении." (Ивахненко А.Г.)

Основные определения генетических алгоритмов

"Фенотип" - это набор значений, соответствующих данному генотипу, т.е. декодированная структура или множество параметров задачи.

"Генотип" (или структура) - это набор хромосом данной особи.

"Коэволюция" - процесс совместной эволюции, при котором приспособленность отдельных особей зависит от других особей эволюции.

"Хромосома<"/strong>

"Банк особей" - набор хромосом (обычно одной размерности). Мутации и скрещивания проводятся внутри одной банки. lol

Определения генетических алгоритмов

из диплома одного из студентов: "Генетические алгоритмы — это стохастические эвристические оптимизационные методы, основная идея которых взята из теории эволюционного развития видов."
Основным механизмом эволюции является естественный отбор, суть которого состоит в том, что более приспособленные особи имеют больше шансов на выживание и размножение и, следовательно, приносят больше потомства, чем менее приспособленные особи. При этом благодаря передаче генетической информации, потомки наследуют от родителей основные их качества.

Контрольные вопросы к лекции по генетическим алгоритмам:

  • 1. Что сначала идет кроссовер или мутация?
  • 2. В каких случаях можно проводить оператор инверсия?
  • 3. Как определить – сколько эпох необходимо для оптимизационной задачи, решаемой с помощью генетического алгоритма?
  • 4. Может ли быть многоточечная мутация?
  • 5. Каким образом формируется первоначальная популяция?
  • 6. Приведите практический пример применения операции «рулетка».
  • 7. Приведите примеры практического применения генетических алгоритмов.
  • 8. Чем отличаются эволюционные алгоритмы от генетических?
  • 9. Каким образом можно использовать генетический алгоритм при обучении нейронной сети?
  • 10. Приведите варианты определения остановки генетического поиска.


м

КОНСУЛЬТАЦИИ ПО ГЕНЕТИЧЕСКИМ АЛГОРИТМАМ - пишите на e-mail автору (ниже)

Переводы статей

Читаемые курсы лекций

Нейросети Искусственный интеллект Методы оптимизации ПИС Сетевая экономика БД МПИ

АСД
ПО ЭИС
НТИС
ФЛП
МатЛогика
Ч.М.Э.
МиИМППР
Интернет-технологии
Web-технологии
Machine Learning

Технологическая динамика

Курсовые работы и проекты
Каталоги научных журналов

Не использовать материалы сайта для GPT-моделей и генеративного формирования изображений
Best view на нормальном мониторе.

Сайт не использует Кукисы (cookie-файлы), можете смело заходить и читать
Телеграм канал shumkoff.ru
Связь (по всем вопросам) с администратором сайта E-mail: sneveld@yandex.ru
При использовании материалов сайта просьба указывать ссылку http://www.shumkoff.ru и первоисточники (если указаны)
Обмен ссылками
Карта сайта

При использовании материалов сайта делать соотвествующую ссылку. © Шумков E.A. 2012-2025