Исследование алгоритма оптимизации
В настоящее время все более актуальными становятся задачи оптимизации, поиска, реализации распределенных и (или) параллельных систем. Многие из них легко реализуемы простыми классическими методами, но некоторые задачи требуют к себе особого подхода. Эти задачи либо не разрешимы простыми методами, либо их решение потребует значительного времени и объема ресурсов. Для решения подобного рода задач существуют особые методы и алгоритмы. Алгоритм культурного обмена стал признанной методикой оптимизации, которая может конкурировать с почти всеми известными методиками и, которая, благодаря своей гибкости, может превосходить множество классических методик. Целью выполнения данной работы является описание алгоритма культурного обмена и проведение экспериментального исследования средней трудоемкости алгоритма случайного поиска версии 3.20. К работе прилагаются три приложения А, Б и В. В них приведены данные эксперимента в виде таблиц, а также графики зависимости функции качества(Fэ) от генотипа(N). В пункте 1 - определяется ряд задач, которые необходимо решить в курсовой работе, описываются начальные условия. В пункте 2 - приведено описание алгоритма TS, а также примеры использования его для решения ряда проблем оптимизации. В пункте 3 - проведено экспериментальное исследование средней трудоемкости алгоритма. Постановка задачи Дан алгоритм оптимизации функций рациональных переменных - алгоритм культурного обмена (КО). КО имеет следующие фиксированные параметры: способ кодирования решения в генотипе: двоичное представление параметра, точность представления параметра (аргумента) функции принимается, если не задана для функции специально, равной e = 0.01; длина генотипа: определяется способом кодирования решения. размер популяции: 120 индивидуумов; доля родителей от размера популяции: 1.0, т.е. количество родителей, участвующих в кроссовере равно 120. кроссовер: равномерно распределенный 2-х точечный. Т.е. хромосома разбивается в двух точках, причем положения точек разбиения не фиксировано, а равномерно распределены по генотипу. мутация: применяется к каждому новому индивидууму, к каждому гену. отбор в следующее поколение: элитный отбор. Необходимо провести экспериментальное исследование средней трудоемкости алгоритма Алгоритм оптимизации
|
