Cтраница 1
Применение нестандартных архитектур генетического поиска позволяет находить существующие подстановки внутри подграфов и эффективно решать задачи установления изоморфизма графов, раскраски графов, построения независимых подмножеств. [1]
В последнее время появились новые нестандартные архитектуры генетического поиска, позволяющие в большинстве случаев решить проблему предварительной сходимости алгоритмов. [2]
Осталась не рассмотренной вершина 2, которая автоматически включается в путь задачи о коммивояжере. В связи с тем, что потомок имеет значение ЦФ худшее, чем у родителей рд, рю, он в популяцию не включается. Такие жадные ОК не всегда позволяют получать глобальные оптимумы, поэтому необходимо использовать множество разработанных генетических операторов и нестандартные архитектуры генетического поиска. [3]
Для этого используют различные методы селекции, заданное число генераций поиска, изменение размера популяции и др. ГА в отличие от классических методов поиска, например, градиентных, не требует дифференцируемости или непрерывности функции и другой информации, кроме значения самой функции в данной точке. Кроме того, ГА эффективен при неровных пиках функций. Он с использованием приведенных методик рассчитан на поиск всех экстремумов и более эффективен, если функция имеет пики одинаковой высоты. В этой связи исследователи разрабатывают различные схемы поиска и строительные блоки, на основе которых можно получать интеллектуальные ИС различных уровней сложности. В оптимизационных задачах принятия решения находят применение нестандартные архитектуры генетического поиска связанные с метагене-тической оптимизацией, а также с миграцией и искусственной селекцией. [4]
Рассмотрены основные принципы эволюции в живых и искусственных системах. Проанализированы подходы к построению архитектур искусственных систем на основе различных моделей эволюции. Описаны основные проблемы синергетики. Рассмотрены состояния, проблемы, перспективы, способы построения и развития иерархических искусственных систем. Исследованы стратегии взаимодействия поисковых методов и эволюционного моделирования. Приведены нестандартные архитектуры решения инженерных задач, позволяющие получать набор квазиоптимальных решений за полиномиальное время. Сформулированы ряд положений и основные принципы теории эволюционного моделирования. Проанализирована теорема генетических алгоритмов, показывающая вероятность выживания лучших решений. Сформулирована постановка оптимизационных задач принятия решений на графах. Описаны генетические операторы, использующие фрактальные структуры, методы дихотомии, золотого сечения и чисел Фибоначчи. Рассмотрены подходы к решению основных инженерных задач. [5]