Наши любимые дети

Провел эксперименты на 10 популяциях по 2000 особей в каждой. Решал задачи:
1) о влиянии инцеста на скорость достижения результата,
2) поиск методов выбора партнеров.
По первому вопросу никакого вразумительного ответа не получил. Заперт на участи в кроссовере родственников первого или первого и второго колена закономерностей не выявил. А вот второй вопрос удалось решить. В процессе экспериментов установлено, что самым эффективным приемом оказался выбор для кроссовера лучших по приспособленности партнеров с последующим уничтожением двух самых худших особей в популяции. У меня два родителя дают два потомка. Для исключения "топтания" на лучших особях, когда они всё время будут родителями, ввел параметр, учитывающий количество участия особи в кроссовере. Таким образом удалось организовать полный перебор популяции. Если найденное решение не экранировать от последующих расчетов, то, в большинстве случаев, оно начинает сильно доминировать в последующих вариантах решений, иногда оставаясь единственным. Если же найденные решения экранируются от дальнейших вычислений, то появляются другие варианты решений. Если алгоритм выходной клетки фиксировать, т.е. запретить его изменение, то задача решалась для любого алгоритма выходной клетки. Просто решение получалось более сложным.
Напомню, что в качестве "лабораторной крысы" решается задача автоматического программирования реле с уставкой. На входе имеем два аналоговых сигнала - контролируемый параметр и уставку. Диапазон изменения - от 0 до 1. На выходе - логический сигнал - 0, если параметр меньше уставки и 1, если больше либо равен уставке. Самым простым решением из всех вариантов, предложенных генетическим алгоритмом, оказался 3-х клеточный автомат, реализующий задачу по следующему алгоритму:
Если (А - В) больше либо равно 0, то 1;
если (А - В) меньше нуля, то 0, где
А - параметр, В - уставка.
В выходной клетке выбрана генетическим алгоритмом пороговая функция.
В других решениях, использующих в выходной клетке другие функции (медиану, треугольную, пороговую с насыщением и т.д.), клеточный автомат получается более сложным, до 5 клеток, с присутствием элементов ассоциативной памяти. Начальные размеры особей были более 7 клеток (до 24-х), в процессе расчетов образовывались особи размером до 33 клеток, но результат всегда не превышал 5 клеток. Т.е. происходит автовыбор размера и структуры клеточного автомата.
Ближайшие цели - программирование более универсальной программы, позволяющей моделировать клеточные автоматы с бОльшим количеством входных и выходных клеток, а также разработка метода задания алгоритма оценки функции приспособленности вне программы.

Читайте также

Последние новости