Page 45 - 4521
P. 45

3.1 Алгоритми, що самоадаптуються
                  3.1.1 Неоднорідна мутація
                  Одним  із  способів  організації  самоодаптуючого    алго-
           ритму  є  застосування  неоднорідної  мутації  [10].  Якщо  мутує
                                      
           ген y і, то нове значення  y  [ випадково генерується на відрізку
                                     i
           [min і,max і]:
                                                      t
                                                  1 (   ) b
                           y   (max    y  )( 1   r  T  ),q   0
                      y i `      i   i   i
                                                      t
                                                  1 (   ) b
                            y   (y   min  )( 1   r  T  ),q  1
                            i     i       i
                                                                           (3.1)
           де q випадковим чином приймає значення 0 або 1; r — випад-
           кове число, що приймає значення з діапазону [0; 1]; t — номер
           покоління; T — максимальне число поколінь; b — деякий па-
           раметр, обумовлений природою завдання; min і і max і — верхня
           і нижня межі для величини y і.

                  3.1.2 Інцест

                  Стратегія  інцеста  використовується  як  механізм
           самоадаптації  оператора  мутації.  Вона  полягає  в  тому,  що
           «щільність мутації» (вірогідність мутації кожного гена) визна-
           чається для кожного нащадка на підставі генетичної близькос-
           ті  його  батьків.  Наприклад,  це  може  бути  відношення  числа
           співпадаючих генів  батьків до загального числа генів  хромо-
           соми.  В  результаті  інцеста  на  початкових  етапах  алгоритму
           при високій різноманітності генофонду популяції вірогідність
           мутації буде гранично мала, тобто практично відбуватиметься
           лише схрещування. При зменшенні різноманітності, що вини-
           кає у разі попадання алгоритму в локальний оптимум, вірогід-
           ність  мутації  зросте.  Очевидно,  що  при  повному  сходженні
           популяції  алгоритм  стане  стохастичним,  тим  самим  вірогід-
           ність виходу популяції з локального оптимуму зросте.

                                          44
   40   41   42   43   44   45   46   47   48   49   50