Генетический алгоритм

  • 02 сент. 2011 г.
  • 2382 Слова
Министерство образования Российской Федерации

ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)

Нахождение минимума функции z(x,y) в заданной области МЕТОДОМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
Пояснительная записка по курсовому проекту по дисциплине «Информатика»

Выполнил:
студент

специальности

.

Министерство образования Российской Федерации

ГОСУДАРСТВЕННЫЙУНИВЕРСИТЕТ
СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)

ЗАДАНИЕ
на курсовую работу
“ Нахождение минимума функции z(x,y) в заданной области МЕТОДОМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА”
студенту ____ группа _ _ кафедра _ _

1 Исходные данные:
z(x,y)=x2+y2 -5,12≤ x ≤ 5,12 -5,12≤ y ≤ 5,12
Каждая переменная кодируется 30 битами.

2 ЗаданиеРассмотреть равномерное скрещивание и инверсионную мутацию.
Провести расчеты для 50 и 100 поколений.
Сравнить получающиеся решения при размерах популяции 10, 20, 30 особей.
Поместить содержание главной программы в соответствующий цикл, повторяющийся 20-30 раз, в котором будет одновременно выбираться наилучшее решение из набора полученных. Одновременно вычислить и среднее значениеминимума за эти 20-30 прогонов.
3 Перечень прилагаемого материала:
- файл исходной программы KP.PAS.

Руководитель _________________________(_)
Подпись Ф.И.О.
Задание принял к исполнению
_____________________________________________________дата и подпись студента

СОДЕРЖАНИЕ:

Введение. …………………………………………………………….. 4

1. Общая структура генетического алгоритма. ……….......................... 6

2. Использование ГА в решении задач ………………………………… 9

3. Описание генетического алгоритма …………………………..……. 11

4. Результатыработы.......…………………................................................ 13

5. Заключение.………………………………………………………….…. 14

Список используемых источников......................................................….... 15

Приложение А. Листинг программы. …………………………………… 16

Введение

Генетические Алгоритмы - адаптивные методы поиска, которые в последнее время часто используются для решения задач функциональнойоптимизации. Они основаны на генетических процессах биологических организмов: биологические популяции развиваются в течении нескольких поколений, подчиняясь законам естественного отбора и по принципу "выживает наиболее приспособленный" (survival of the fittest), открытому Чарльзом Дарвином. Подражая этому процессу генетические алгоритмы способны "развивать" решения реальных задач, если те соответствующимобразом закодированы. Например, ГА могут использоваться, чтобы проектировать структуры моста, для поиска максимального отношения прочности/веса, или определять наименее расточительное размещение для нарезки форм из ткани. Они могут также использоваться для интерактивного управления процессом, например на химическом заводе, или балансировании загрузки на многопроцессорном компьютере.Основные принципы ГА были сформулированы Холландом (Holland, 1975), и хорошо описаны во многих работах. В отличии от эволюции, происходящей в природе, ГА только моделируют те процессы в популяциях, которые являются существенными для развития. Точный ответ на вопрос: какие биологические процессы существенны для развития, и какие нет? - все еще открыт для исследователей.
В природе особи в популяцииконкурируют друг с другом за различные ресурсы, такие, например, как пища или вода. Кроме того, члены популяции одного вида часто конкурируют за привлечение брачного партнера. Те особи, которые наиболее приспособлены к окружающим условиям, будут иметь относительно больше шансов воспроизвести потомков. Слабо приспособленные особи либо совсем не...
tracking img