Гендерный генетический алгоритм с обучением в задаче динамической оптимизации
Ключевые слова:
гендерный генетический алгоритм, эффект Болдуина, динамическая оптимизация
Аннотация
Анализируется подход к оптимизации быстро меняющихся процессов с использованием гендерного генетического алгоритма. Отличие от традиционного генетического алгоритма состоит в разделении искусственной популяции на два пола. Разделение по полу позволяет сочетать быструю приспособляемость к изменениям за счет вариации мужской субпопуляции с фиксацией приспособляемости в женской части популяции. Показано преимущество эффекта метаобучения параметров мутации и дополнительного обучения индивидуумов в форме Болдуина в сравнении с обычным гендерным генетическим алгоритмом и алгоритмом Ламарка при нахождении динамических оптимальных решений. В качестве перспективного применения гендерного генетического алгоритма с эффектом Болдуина отмечена динамика тушения природных пожаров.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Holland J. H. Adaptation in Natural and Artificial Systems : book. University of Michigan Press. 1975. 232 p.
2. Lance C. The Practical Handbook of Genetic Algorithms Applications : book. – Second edition. Boca Raton, Chapman and Hall. 2001. 535 p.
3. Darwin C. On the Origin of Species by Means of Natural Selection : book. London, John Murray. 1859. 486 p.
4. Kim Y. Rate of adaptive peak shifts with partial genetic robustness. Evolution. 2007. V. 61. P. 847–856. DOI
14. Ali M. Z. [et al] An improved class of real-coded genetic algorithms for numerical optimization. Neurocomputing. 2018. V. 275. P. 155–166. DOI
15. Storn R., Price K. Differential evolution – a simple and efficient heuristic for global optimization over continuous spaces. Journal of Global Optimization. 1997. V. 11. P. 341–359. DOI
16. Zhang M., Zhao S., Wang X. A novel sexual adaptive genetic algorithm based on two-step evolutionary scenario of Baldwin effect and analysis of global convergence. GEC ‘09: Proceedings of the first ACM/SIGEVO Summit on Genetic and Evolutionary Computation. 2009. P. 737–744. DOI
17. Zhang M. A novel sexual adaptive genetic algorithm based on Baldwin effect for global optimization. International Journal of Intelligent Computing and Cybernetics. 2011. V. 4. P. 207–227. DOI
18. Holzinger A. [et al.] Darwin, Lamarck, or Baldwin: applying evolutionary algorithms to machine learning techniques. IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), Warsaw. 2014. P. 449–453. DOI
19. Zhao F. [et al.] A hybrid algorithm based on self-adaptive gravitational search algorithm and differential evolution. Expert Systems with Applications. 2018. V. 113. P. 515–530. DOI
20. Fernando C. [et al.] Meta-learning by the Baldwin effect. GECCO ‘18 Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2018. P. 1313–1320. DOI
21. Ali M. Z. [et al.] An improved class of real-coded genetic algorithms for numerical optimization. Neurocomputing. 2018. V. 275. P. 155–166. DOI
22. Baldwin J. M. A new factor in evolution. American Naturalist. 1896. V. 30. P. 441–451. URL
23. Rastrigin L. A. Systems of Extreme Control : book. Moscow, Nauka. 1974. 630 p. (in Russian)
24. Stieglitz N., Knudsen T., Becker M. C. Adaptation and inertia in dynamic environments. Strategic Management Journal. 2015. V. 37. P. 1854–1864. DOI
2. Lance C. The Practical Handbook of Genetic Algorithms Applications : book. – Second edition. Boca Raton, Chapman and Hall. 2001. 535 p.
3. Darwin C. On the Origin of Species by Means of Natural Selection : book. London, John Murray. 1859. 486 p.
4. Kim Y. Rate of adaptive peak shifts with partial genetic robustness. Evolution. 2007. V. 61. P. 847–856. DOI
14. Ali M. Z. [et al] An improved class of real-coded genetic algorithms for numerical optimization. Neurocomputing. 2018. V. 275. P. 155–166. DOI
15. Storn R., Price K. Differential evolution – a simple and efficient heuristic for global optimization over continuous spaces. Journal of Global Optimization. 1997. V. 11. P. 341–359. DOI
16. Zhang M., Zhao S., Wang X. A novel sexual adaptive genetic algorithm based on two-step evolutionary scenario of Baldwin effect and analysis of global convergence. GEC ‘09: Proceedings of the first ACM/SIGEVO Summit on Genetic and Evolutionary Computation. 2009. P. 737–744. DOI
17. Zhang M. A novel sexual adaptive genetic algorithm based on Baldwin effect for global optimization. International Journal of Intelligent Computing and Cybernetics. 2011. V. 4. P. 207–227. DOI
18. Holzinger A. [et al.] Darwin, Lamarck, or Baldwin: applying evolutionary algorithms to machine learning techniques. IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), Warsaw. 2014. P. 449–453. DOI
19. Zhao F. [et al.] A hybrid algorithm based on self-adaptive gravitational search algorithm and differential evolution. Expert Systems with Applications. 2018. V. 113. P. 515–530. DOI
20. Fernando C. [et al.] Meta-learning by the Baldwin effect. GECCO ‘18 Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2018. P. 1313–1320. DOI
21. Ali M. Z. [et al.] An improved class of real-coded genetic algorithms for numerical optimization. Neurocomputing. 2018. V. 275. P. 155–166. DOI
22. Baldwin J. M. A new factor in evolution. American Naturalist. 1896. V. 30. P. 441–451. URL
23. Rastrigin L. A. Systems of Extreme Control : book. Moscow, Nauka. 1974. 630 p. (in Russian)
24. Stieglitz N., Knudsen T., Becker M. C. Adaptation and inertia in dynamic environments. Strategic Management Journal. 2015. V. 37. P. 1854–1864. DOI
Опубликован
2020-03-24
Как цитировать
Головинский, П. А. (2020). Гендерный генетический алгоритм с обучением в задаче динамической оптимизации. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (1), 130-139. https://doi.org/10.17308/sait.2020.1/2602
Выпуск
Раздел
Интеллектуальные информационные системы
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
