Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Ztegowzględu,żealgorytmyewolucyjnedążądomaksymalizacjirozwią-
zania,abyrozwiązaćproblemminimalizacjiprzyichużyciukonieczniejestprze-
kształceniegodoproblemuocharakterzemaksymalizacji(najprostszymsposobem
natakązamianęjestpomnożeniewartościfunkcjiceluprzezminusjeden).
Dodatkowopodczasdefiniowaniafunkcjiprzystosowaniaważnejestaby
przyjmowałaonawartościnieujemnedlawszystkichargumentówwejściowych,
gdyżnaprzykładstosowanawklasycznychalgorytmachgenetycznychprocedura
selekcjimetodąruletkiwymaga,abyprzystosowaniekażdegoosobnikabyłonie-
ujemne.Rozwiązaniemeliminującymtenproblemjestodpowiedniezdefiniowanie
funkcjiprzystosowania(fitness)woparciuofunkcjęcelu(FC).Dlazadańminima-
lizacjistosujemyzależność:fitness(x
t
i
)=f
max
–FC(x
t
i
).Oczywiściewiedzanatemat
wartościf
max
(największejwartościfunkcjicelu)jestzazwyczajniedostępna,w
związkuztymzaf
max
przyjmujesięnajwiększąwartośćfunkcjicelu,którazostała
zaobserwowanapodczaswszystkichminionychiteracjialgorytmu.Jeślidodatkowo
żądamy,abywartościfunkcjiprzystosowaniazawierałysiętylkowprzedziale(0,
1]wówczasjejdefinicjadlaproblemówminimalizacjijestnastępująca:
fitness
()
x
i
t
=
1
+
FC
()
x
1
i
t
−
f
min
(2.1)
gdzie:
f
min
–jestnajmniejsząwartościąfunkcjiceluzaobserwowanąpodczasminionych
iteracjialgorytmu.
wprzypadkuzadańmaksymalizacjiwartośćprzystosowaniaosobników
jestskalowananastępująco:
fitness
()
x
i
t
=
1
+
f
max
1
−
FC
()
x
i
t
(2.2)
gdzie:
f
max
–jestnajwiększąwartościąfunkcjiceluzaobserwowanąpodczasminionych
iteracjialgorytmu.
2.1.2.Reprezentacjaosobników
Podczastworzeniaalgorytmuewolucyjnegozawszeważnymproblemem
stajesięwybórodpowiedniejreprezentacjiosobników.Jestonistotnieważny,po-
22
