processi.ru -

купить или арендовать online
+7 (495) 545-21-33 support@site.su
  • Домены совпадающие с processi
  • Покупка
  • Аренда
  • processi.ru
  • 50 000
  • 500
  • Домены с синонимами, содержащими processi
  • Покупка
  • Аренда
  • mikroprocessor.ru
  • 100 000
  • 1 000
  • mikroprocessori.ru
  • 100 000
  • 1 000
  • mikroprocessory.ru
  • 100 000
  • 1 000
  • work.ru
  • договорная
  • договорная
  • work.su
  • 20 000
  • 200
  • workmasters.ru
  • 50 000
  • 500
  • ворк.рф
  • 200 000
  • 2 000
  • воркинг.рф
  • 70 000
  • 700
  • кортеж.su
  • 20 000
  • 200
  • процессинг.рф
  • 300 000
  • 3 000
  • работки.рф
  • 150 000
  • 1 500
  • Домены с переводом, содержащими processi
  • Покупка
  • Аренда
  • kortezhy.ru
  • 50 000
  • 500
  • myasopererabotka.ru
  • 100 000
  • 1 000
  • oformleniya.ru
  • 70 000
  • 700
  • tehnologicheskoe.ru
  • 70 000
  • 700
  • varenice.ru
  • 100 000
  • 1 000
  • verenica.ru
  • 50 000
  • 500
  • вереницы.рф
  • 50 000
  • 500
  • кортежик.рф
  • 70 000
  • 700
  • мясокомбинатик.рф
  • 70 000
  • 700
  • мясокомбинатики.рф
  • 70 000
  • 700
  • оформления.рф
  • 100 000
  • договорная
  • оформленье.рф
  • 70 000
  • 700
  • птицекомбинат.рф
  • 70 000
  • 700
  • технологический.рф
  • 50 000
  • 500
  • Домены с синонимами process
  • Покупка
  • Аренда
  • parysa.ru
  • договорная
  • договорная
  • triax.ru
  • 100 000
  • 1 000
  • вызов.рф
  • 150 000
  • 1 500
  • девелопмент.su
  • 43 334
  • 433
  • мануфактурки.рф
  • 70 000
  • 700
  • мануфактуры.рф
  • 100 000
  • 1 000
  • метод.su
  • 26 668
  • 267
  • прогресс.su
  • 26 668
  • 267
  • продуктик.рф
  • 70 000
  • 700
  • способ.su
  • 18 334
  • 183
  • технологии.su
  • 20 000
  • 200
  • технологии.рф
  • 200 000
  • 2 000
  • фармо.рф
  • 100 000
  • 1 000
  • Домены с переводом process
  • Покупка
  • Аренда
  • dvizhenia.ru
  • 100 000
  • 1 000
  • dvizheniya.ru
  • 100 000
  • 1 000
  • proceduri.ru
  • 50 000
  • 500
  • procedury.ru
  • 50 000
  • 500
  • protsedury.ru
  • 70 000
  • 700
  • движение.su
  • 18 334
  • 183
  • движения.рф
  • 150 000
  • 1 500
  • отросток.рф
  • 50 000
  • 500
  • процедурка.рф
  • 70 000
  • 700
  • процедурки.рф
  • 70 000
  • 700
  • процесс.рф
  • 300 000
  • 3 000
  • процессы.рф
  • 300 000
  • 3 000
  • способ.рф
  • 200 000
  • 2 000
  • способы.рф
  • 100 000
  • 1 000
  • течение.рф
  • 50 000
  • 500
  • течения.рф
  • 50 000
  • 500
  • хода.рф
  • 70 000
  • 700
  • ходу.рф
  • 70 000
  • 700
  • ходы.рф
  • 100 000
  • 1 000
  • Домены содержащие process
  • Покупка
  • Аренда
  • preprocessors.ru
  • 70 000
  • 700
  • Домены с синонимами, содержащими process
  • Покупка
  • Аренда
  • konverteri.ru
  • 100 000
  • 1 000
  • konvertery.ru
  • договорная
  • договорная
  • шэл.рф
  • 550 000
  • 5 500
  • Домены с переводом, содержащими process
  • Покупка
  • Аренда
  • tehnologichnost.ru
  • 50 000
  • 500
  • бакалейная.рф
  • 70 000
  • 700

Генетический алгоритм

Тогда нам остается организовать некоторую среду - популяцию, населить её решениями - особями, и устроить им борьбу. Для этого нужно определить функцию, по которой будет определяться сила особи - качество предложенного ею решения. Основываясь на этом параметре можно определить каждой особи количество оставляемых ею потомков, или вероятность того, что эта особь оставит потомка. Причем, не исключен вариант, когда особь со слишком низким значением этого параметра умрёт. Допустим нам нужно оптимизировать некоторую функцию F(X1,X2,..,Xn). Пусть мы ищем её глобальный максимум. Тогда, для реализации ГА нам нужно придумать, как мы будем хранить решения. По сути, нам нужно поместить все X1-Xn в некоторый вектор, который будет играть роль хромосомы. Один из наиболее распространенных способов - кодировать значения переменных в битовом векторе. Например, выделим каждому иксу по 8 бит. Тогда наш вектор будет длины L=8*n. Для простоты будем считать, что биты лежат в массиве X[0..L-1]. Пусть каждая особь состоит из массива X и значения функции F на переменных, извлеченных из этого массива. Тогда ГА будет состоять из следующих шагов: 1. Генерация начальной популяции - заполнение популяции особями, в которых элементы массива X (биты) заполнены случайным образом. 2. Выбор родительской пары - я всегда использую элитный отбор, то есть берем K особей с максимальными значениями функции F и составляю из них все возможные пары (K*(K-1)/2). 3. Кроссинговер - берем случайную точку t на массиве X (0..L-1). Теперь, все элементы массива с индексами 0-t новой особи (потомка) заполняем элементами с теми-же индексами, но из массива X первой родительской особи. Остальные элементы заполняются из массива второй родительской особи. Для второго потомка делается наоборот - элементы 0-t берут от второго потомка, а остальные - от первого. 4. Новые особи с некоторой вероятностью мутируют - инвертируется случайный бит массива X этой особи. Вероятность мутации обычно полагают порядка 1%. 5. Полученные особи-потомки добавляются в популяцию после переоценки. Обычно новую особь добавляют взамен самой плохой старой особи, при условии что значение функции на новой особи выше значения функции на старой-плохой особи. 6. Если самое лучшее решение в популяции нас не удовлетворяет, то переход на шаг 2. Хотя, чаще всего этого условия нет, а итерации ГА выполняются бесконечно. Вообще, если строго придерживаться правилам, то ГА должен содержать еще такие шаги как отбор особей для размножения и генерация пар из отобранных особей. При этом каждая особь может быть задействована в одной и более паре, в зависимости от используемого алгоритма. Однако я предпочитаю эти два шага совмещать, используя построение пар "все на все" в элитной выборке. Имхо, так проще. Кто придумал генетический алгоритм? В 1966 г. Л.Дж.Фогель, А.Дж. Оуэнс, М.Дж.Волш предложили и исследовали эволюцию простых автоматов, предсказывающих символы в цифровых последовательностях. В 1975г. Д.Х.Холланд предложил схему генетического алгоритма. Эти работы легли в основу главных направлений разработки эволюционных алгоритмов. Простой генетический алгоритм был впервые описан Гольдбергом на основе работ Холланда. Преимущества генетических алгоритмов? * Они не требуют никакой информации о поверхности ответа; * Разрывы, существующие на поверхности ответа имеют незначительный эффект на полную эффективность оптимизации; * Они стойки к попаданию в локальные оптимумы; * Они хорошо работают при решении крупномасштабных проблем оптимизации; * Могут быть использованы для широкого класса задач; * Просты и прозрачны в реализации; * Могут быть использованы в задачах с изменяющейся средой. Недостатки генетических алгоритмов? Не желательно и проблематично использовать ГА: * В случае когда необходимо найти точный глобальный оптимум; * Время исполнения функции оценки велико; * Необходимо найти все решения задачи, а не одно из них; * Конфигурация является не простой (кодирование решения). Alexander Pavlov [2:5030/399.11] Необходимость поиска всех решений не является помехой. Исаев (статьи на www.algo.4u.ru) пишет: "...существует, по кpайней меpе, тpи класса задач, котоpые могут быть pешены пpедставленным алгоpитмом: # задача быстpой локализации одного оптимального значения, # задача опpеделения нескольких (или всех) глобальных экстpемумов (!), # задача описания ландшафта исследуемой функции, котоpая может сопpовождаться выделением не только глобальных, но и локальных максимумов. ..." Для pешения втоpой задачи, очевидно, вопpосу "исследования" пpостpанства поиска должно уделяться гоpаздо большее внимание. Оно достигается за счет дpугого сочетания паpаметpов и достаточно большой численности популяции, пpи этом ГА сможет выделить несколько (или даже все) глобальные экстpемумы ... Для выделения нескольких глобальных максимумов, лучше использовать такую комбинацию [паpаметpов]: аутбpидинг в сочетании с инбpидингом, в качестве естественного отбоpа достаточно использовать элитный отбоp или отбоp с вытеснением (последний более надежный). Максимальная эффективность поиска достигается в сочетании аутбpидинга и инбpидинга, пpичем аутбpидинг pекомендуется использовать в начале поиска, достигая максимально шиpокого "исследования", а завеpшать поиск лучше уточнением pешения в локальных гpуппах, используя инбpидинг."

31.03.2010 16:09:27