Algorytmy genetyczne. Kompendium, t. 2

Tomasz Dominik Gwiazda

Uzyskaj dostęp

Zakup książkę

ISBN/ISSN:

978-83-01-15381-6

DOI:

Wydawnictwo:

Wydawnictwo Naukowe PWN

Rok wydania:

2007

Liczba stron:

278

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

Gwiazda, Tomasz Dominik. Algorytmy genetyczne. Kompendium, t. 2. Red. . Warszawa: Wydawnictwo Naukowe PWN, 2007, 278 s. ISBN 978-83-01-15381-6

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A1 Gwiazda, T.D.

T1 Algorytmy genetyczne. Kompendium, t. 2

PB Wydawnictwo Naukowe PWN

PP Warszawa

YR 2007

SN 978-83-01-15381-6

Bibliografia BibTex:

@Book{ 522, author = "Gwiazda, Tomasz Dominik", editor = "", title = "Algorytmy genetyczne. Kompendium, t. 2", publisher = "Wydawnictwo Naukowe PWN", year = "2007", address = "Warszawa", isbn = "978-83-01-15381-6" }

Bibliografia endNote:

TY - BOOK

AU - Gwiazda, Tomasz Dominik

ED -

TI - Algorytmy genetyczne. Kompendium, t. 2

PB - Wydawnictwo Naukowe PWN

CY - Warszawa

PY - 2007

SN - 978-83-01-15381-6

ER -

Netografia (standard APA):

Gwiazda, Tomasz Dominik. Algorytmy genetyczne. Kompendium, t. 2 [baza danych online] Warszawa: Wydawnictwo Naukowe PWN, 2007 [dostęp: 03 05 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/algorytmy-genetyczne-kompendium-t-2-tomasz-dominik-gwiazda-522.

informatyka, programowanie, zastosowania informatyki, sztuczna inteligencja, obliczenia inteligentne, algorytmy ewolucyjne, rewolucje agrarne, algorytmy, algorytmy genetyczne, operator mutacji

Tom 2 Kompendium prezentuje ponad 140 operatorów mutacji przeznaczonych do rozwiązywania problemów optymalizacji numerycznej. Układ książki nawiązuje do układu tomu 1, jednak tym razem prosty podział na operatory dedykowane do rozwiązywania proble...

Więcej

ISBN/ISSN:

978-83-01-15381-6

DOI:

Wydawnictwo:

Wydawnictwo Naukowe PWN

Rok wydania:

2007

Liczba stron:

278

XML:ISBN/ISSN:

ONIX MARC21

1. Wstęp 10
2. Standardowe operatory mutacji 14
Wymiana/odwrócenie bitu (Bit-flip/Invert a Bit/Bit Substitution) (B)14
Usunięcie bitu (Bit Deletion) (B)15
Wstawienie bitu (Bit Insertion) (B)15
Wstawienie genu (Gene Insertion) (B)16
Inwersja genu (Gene Inversion) (B)17
Usunięcie genu (Gene Deletion) (B)17
Transpozycja genu (Gene Transposition) (B)18
Retrotranspozycja genu (Gene Retro Transposition) (B)19
Losowa wartość bitu (Random Bit Value) (B)20
Losowa (z zaburzeniem) wartość bitu (Random Bit Value With a Bias) (B)21
Mutacja pełzająca (Creep Mutation) (B)22
Wymiana pary bitów (Swap Two Bits) (B)22
3. Kontrola parametrów – podejście deterministyczne statyczne i dynamiczne 24
Sugestia Grefenstette’a (B, R)(P)24
Sugestia i formuła De Jonga (B, R)(P)24
Sugestia i formuła Schaffera i in. (B, R)(P)24
Formuła Bäcka (B, R)(P)25
Formuła Mühlenbeina (B, R)(P)25
Sugestia i formuła Fogarty’ego (B, R)(P)26
Sugestia i formuła Hessera i Mannera (B, R)(P)26
Formuła Bäcka i Schütza (B, R)(P)27
Formuła Greenwella i in. (B, R)(P)27
Formuła Beasleya (B, R)(P)28
Formuła Leite’a i Toppinga (B, R)(P)29
Formuła Senga i in. (B, R)(P)29
Formuła Nguyena i Wonga (B, R)(MS)30
Formuła Srivastavy i in. (B, R)(P)30
Formuła Madeline (B, R)(P)31
Reguła odmładzania populacji (Population Rejuvenation Rule) (B, R)32
4. Kontrola parametrów – podejście adaptywne dynamiczne 33
Reguła Rechenberga (B, R)(P)33
Formuła Bäcka (B, R)(P)34
Formuła Fullera i in. (B)(P)34
Formuła Chena i in. (B, R)(P)35
Formuła progu błędu Ochoi i in. (B, R)35
Formuła Elhadefa i Ayeba (B, R)(P)36
Reguła Droste’a i in. (B, R)(P)37
Formuła Chenga i in. (B, R)(P)38
Formuła He i in. (B, R)(P)38
Formuły Metcalfe’a i Charbonneau (B, R)(P)39
Formuła Tana i in. (B, R)(P)40
Formuła Chana i Liu (B, R)(P)41
Formuła Kamoia i Iwaia (B, R)(P)42
Formuła Minqianga i Jisonga (B, R)(P)42
Formuła Liu i Fenga (B, R)(P)43
Formuła Quirina i Korczaka (B, R)(P)44
Uaktywniana hipermutacja (Triggered Hypermutation) (B, R)(P)45
Adaptacja prawdopodobieństwa krzyżowania i mutacji-1 (Adaptive Probabilities ofCrossover and Mutation-1) (B, R)(P)47
Metoda Zhu i Changa (B, R)(P)50
Prawdopodobieństwo bazujące na stopniu koncentracji (Concentration Degree-based Operator Probabilities) (B, R)(P)52
Metoda Zhuanga i in. (B, R)(P)54
Adaptywne prawdopodobieństwo operatora (Adaptive Operator Probabilities) (B, R)(P)55
COBRA (B, R)(P)58
Mutacja kontrolowana logiką rozmytą (Fuzzy Logic Controlled Mutation) (B, R)(P)60
Model adaptywny bazujący na regule probabilistycznej (Probabilistic Rule-based Adaptive Model) (B, R)(P)61
Adaptywna asymetryczna mutacja (Adaptive Asymmetric Mutation) (B, R)(P)66
Adaptacja prawdopodobieństwa krzyżowania i mutacji-2 (Adaptive Probabilities of Crossover and Mutation-2) (B, R)(P)68
Adaptacja prawdopodobieństwa krzyżowania i mutacji-3 (Adaptive Probabilities of Crossover and Mutation-3) (B, R)(P)71
Adaptywna alleliczna mutacja (Adaptive Allelic Mutation) (B, R) (P)73
Adaptywna mutacja metodą stałego przyrostu i redukcji (Constant Gain & Declining Adaptive Mutation) (B, R) (P)75
Adaptacja prawdopodobieństwa krzyżowania i mutacji-4 (Adaptive Probabilities of Crossover and Mutation-4) (B, R)(P)78
Adaptacja prawdopodobieństwa krzyżowania i mutacji-5 (Adaptive Probabilities of Crossover and Mutation-5) (B, R)(P)81
Adaptacja prawdopodobieństwa krzyżowania i mutacji-6 (Adaptive Probabilities of Crossover and Mutation-6) (B)(P)83
Adaptacja prawdopodobieństwa krzyżowania i mutacji-7 (Adaptive Probabilities of Crossover and Mutation-7) (B, R)(P)85
Adaptywna strategia gonitwy (Adaptive Pursuit Strategy) (B, R)(P)88
Ochrona przed grzęźnięciem (Guarding Against Stalling) (B, R)(P)91
Lokalne dostrojenie z efektem głównym (Main Effect Fine Tuning) (B, R)(P)92
Mutacja bazująca na znormalizowanym dystansie przystosowania (Normalized Fitness-based Mutation) (B, R) (P)95
Adaptacja liczby punktów krzyżowania i mutacji (Adaptive Number of Mutation Points) (B)(MP)97
Mutacja bazująca na wektorze etykiet (Labeled Chromosome-based Mutation) (B, R)(P)99
Adaptywna mutacja ukierunkowana na geny (Gene-based Adaptive Mutation) (B)(P)102
Mutacja bazująca na statystykach pozycji (Locus Statistics-based Mutation) (B, R, D)(P)104
5. Kontrola parametrów – podejście samoadaptywne107
Mutacja bazująca na SE-1 (ES-based Mutation-1) (B, R)(P)107
Mutacja bazująca na SE-2 (ES-based Mutation-2) (R)(MS)109
Mutacja bazująca na SE-3 (ES-based Mutations-3) (R)(MS)112
6. Operatory mutacji dla problemów kodowanych liczbami binarnymi 116
Mutacja infekcją wirusową (Virus Infection Operators) (B, R)116
Mutacja zliczająca-1 (Count-preserving Mutation-1) (B)119
Mutacja lokalnie zachłanna (Local Greedy Mutation) (B, R)121
Aproksymacja techniki największego spadku gradientu (Gradient-descent Techniques Approximation) (B)123
Mutacja najlepszym schematem (Best Schema Mutation) (B)125
Ekstrakcja bitów (Gene Extraction) (B)128
Mutowanie z decydentem (Half Sibling and Clone) (B)131
Mutacja zliczająca-2 (Count-preserving Mutation-2) (B)132
Samoadaptywna mutacja Gaussa (Self-adaptive Gaussian Mutation) (B)134
Mutacja Mijn (Co-mutation Mijn operator) (B)136
Mutacja dynamiczna (Dynamic Mutation) (B, R)139
Mutacja różnicowaniem lub naśladowaniem (Mutation by Differentiation or Imitation) (B)142
Mutacja uciekająca (Flee Mutation) (B)145
Mutacja rotacją (Rotation Mutation) (B)148
λ-Mutacja (λ-Mutation – Self-directed Chaos) (B)150
Mutacja bazująca na pozycji i liczbie (Location-based & Number-based Mutation)(B)152
Mutacja bazująca na różnorodności genów (Gene Diversity-based Mutation) (B)(P)155
Mutacja bazująca na modelu niewspółmierności (Disparity Model-based Mutation) (B, R)157
Mutacja dwuargumentowa wektorów liczb binarnych (Dyadic Mutation) (B, R)161
Mutacja heurystyczna z zanikającym prawdopodobieństwem (Heuristic Mutation with Final-zero-rate) (B) (P)163
Mutacja upodabniająca (Softmax Mutation) (B)165
Mutacja indywidualna (Specific Part of Chromosome Mutation) (B, R)167
Mutacje horyzontalne/transpozycje (Jumping Gene/Horizontal Mutation/Transposition) (B, R, D)169
Mutacja kierowana (Guided Mutation) (B)175
1-bitowa mutacja sterowana wiekiem (Age-driven 1-bit Mutation) (B)178
Mutacja warunkowa (Conditional Mutation) (B)180
7. Operatory mutacji dla problemów kodowanych liczbami rzeczywistymi 183
Mutacja równomierna (Uniform Mutation) (R)183
Mutacja brzegowa (Boundary Mutation) (R)185
Mutacja nierównomierna (Non-uniform Mutation) (R)186
Mutacja zmienna w czasie (Time-Variant Mutation) (R)188
Mutacja bazująca na gradiencie ważonym (Weighted Gradient Direction-based Mutation) (R)190
Mutacja Deba i Goyala (Deb & Goyal Mutation) (R)194
Mutacja bazująca na entropii (Entropy-based Mutation) (R)195
Operatory dla problemów optymalizacji dynamicznej (Operators for Dynamic Optimization Problems) (R)198
Mutacja bazująca na symulowanym wyżarzaniu-1 (Simulated Annealing based Mutation-1) (R)201
Mutacja bazująca na symulowanym wyżarzaniu-2 (Simulated Annealing based Mutation-2) (R)204
Mutacja w hipersześcianie (Breeder GA Mutation) (R)206
Makromutacja z wspinaczką (Macromutational Hillclimbing) (B, R)208
Mutacja bazująca na minimum konfliktu (Min-conflict based Mutation) (B, D)211
Mutacja kontrolowana wiekiem (Age-controlled Mutation) (B, D, R)214
Mutacja zorientowana i z imigracją (Orientated Mutation and Immigration Mutation) (R)216
Mutacja sferyczna (Sphere Mutation) (R)218
Mutacja z wektorem różnic (Differential Evolution Mutation) (R)220
Mutacja bazująca na modelach zredukowanych (Reduced Models-based Mutation) (B, R)222
Mutacja bakteryjna (Bacterial Mutation) (B, R)223
Poprawiona mutacja nierównomierna (Improved Non-uniform Mutation) (R)225
Zmodyfikowana mutacja równomierna (Modified Uniform Mutation) (R)227
Mutacja logarytmiczna (Logarithmic Mutation) (R)229
Mutacja z wyszukiwaniem kierunkowym/dopasowaniem parabolicznym (1-D Parabolic Search Mutation) (R)231
Mutacja podążająca za selekcją (Selection Follower) (R)233
Mutacja chaosem, mutacja chaosem z wyżarzaniem (Chaotic Mutation, Annealing Chaotic Mutation) (R)235
Mutacja brzegowa, przesuwająca i wygładzająca (Boundary, Push, and Smooth Mutations) (R)238
Mutacja nieliniowa-1 (Nonlinear Mutation-1) (R)241
Mutacja lamarkowska (Lamarckian Mutation) (R)243
Mutacja nieliniowa-2 (Nonlinear Mutation-2) (R)245
Mutacja ułomna (Imperfect Mutation) (R)246
Zmodyfikowana mutacja nierównomierna (Modified Non-uniform Mutation) (R)248
Mutacja dwuargumentowa wektorów liczb rzeczywistych (Dyadic Floating-Point Mutation) (R)251
Adaptywna mutacja Kamala (Kamal’s Adaptive Mutation) (B, R)252
Wielogenowa mutacja nierównomierna (Multi Non-uniform Mutation) (R)254
Metoda przełączająca (Improved Crossover and Mutation) (B, R)257
Kombinacja wypukła (Convex Combination) (R)259
Mutacje kierunkowe (Directional Mutations) (R)260
Mutacja symetryczna i procentowa (Mirror & Percentage Mutations) (R)265
Mutacja bazująca na modelach socjologicznych (Mutation for Continuous Adaptive Culture Model) (B, R)267
Mutacja falowa/oscylująca (Wavelet Mutation) (R)269
Indeks słów kluczowych, autorów i funkcji testowych271

1.Wstęp

KsiążkatajestkontynuacjąseriiAlgorytmygenetyczne-kompendium,której

pierwszytombyłpoświęconyoperatoromkrzyżowania.Bieżący,drugitom,przedstawia

operatorymutacjiprzeznaczonedorozwiązywaniaproblemówoptymalizacjinumerycznej.

Układksiążkinawiązujedoukładupoprzedniegotomu,jednaktymrazemprosty

podziałnaoperatorydedykowanedorozwiązywaniaproblemówkodowanychliczbami

binarnymiiliczbamirzeczywistymijużniewystarczał.Pracebadawczepoświęcone

operatorowimutacjiniesprowadzająsiębowiemdoopracowaniajegonowej,często

dedykowanej,postaci.Jednymzgłównychpytaństawianychwkontekścietegooperatora

jestpytanieoprawdopodobieństwojegostosowaniaioskalęperturbacjiwnoszonejprzez

tenoperator,dlategoteżtrzyspośródsiedmiurozdziałówksiążkipoświęconesąwłaśnietej

kwestii.

Ostatecznieukładksiążkijestnastępujący.Pierwszetrzyrozdziałyprezentują

sugestie,formułyimetodystosowanewokreślaniuwartościparametrówsterujących

procesemmutacji.Zastosowałemtunajbardziejpopularnypodział

napodejście

deterministycznestatyczneidynamiczne,podejścieadaptywnedynamiczneipodejście

samoadaptywne.Dwaostatnierozdziałyprzedstawiająoperatorymutacjiopracowane

zmyśląoproblemachkodowanychliczbamibinarnymiirzeczywistymi.

Podobniejaktomiałomiejscewtomiepierwszym,podziałnametodydedykowane

dlaproblemówkodowanychliczbamibinarnymilubrzeczywistymijesttutajtrochę

sztucznyiwynikanajczęściejztreścitekstuźródłowego.Ponieważjednakwiele

zprezentowanychsugestii,regułimetodmożebyćstosowanychdlaróżnychklas

problemów,stądkażdaznichjestoznaczonajednymlubwielomanastępującymi

symbolamiokreślającymizakresichzastosowania:

•

(B)-problemykodowaneliczbamibinarnymi;

•

(R)-problemykodowaneliczbamirzeczywistymi;

•

(D)-problemykodowaneliczbamicałkowitymi;

•

(P)-wyznaczaniewartościprawdopodobieństwamutacji;

•

(MS)-wyznaczaniedługościkrokumutacji;

•

(MP)-wyznaczanieliczbypunktówmutacji.

Zawyjątkiempierwszegorozdziału,wewszystkichkolejnychzastosowałemten

samcowtomiepierwszymschematprezentacji.Zależenieodtego,czyprezentowanajest

sugestia,reguła,czyteżpełnametoda,schemattenskładasięzewszystkichlubtylkoz

kilkunastępującychelementów:

•

Słowakluczowe-mająpomócwprzeszukiwaniuksiążkiiwzajemnymkojarzeniu

prezentowanychwniejoperatorów.

•

Motywacja-wskazaniemotywacjileżącejupodstawopracowaniadanegooperatora;

motywacjatabyłaalboformułowanaprzezautorówexplicite,albowskazanajest

przezemniewsposóbarbitralny.

1zob:R.Hinterding,Z.Michalewicz,A.E.Eiben(1997).Adaptationinevolutionary

computation:Asurvey.http://citeseer.ist.psu.edu/hinterding97adaptation.html

Brak wyników

Algorytmy genetyczne. Kompendium, t. 2

Treść książki

Znajdź bibliotekę blisko siebie, i uzyskaj dostęp do ebooka w systemie IBUK Libra