Дискретно-непрерывная математика. Кн. 0 : Алгоритмы. Ч. Генетические алгоритмы

А.Е. Кононюк Дискретно-непрерывная математика 
6 
3.9.8. Генетические микроалгоритмы.....................................................161
4. Модели генетических алгоритмов .....................................................163
4.1. Модели генетических алгоритмов и стратегии отбара и 
формирования нового поколения................. ..........................................163
4.2. Проверка эффективности ГА с использованием
тестовых функций....................................... ...................................... ......169
4.3. Примеры оптимизации функции с помощью
программы FlexTool ....................................... .........................................173
4.4. Генетические алгоритмы и математический аппарат....................211
5. Эволюционное моделирование...................................... ...................226
5.1. Эволюционные алгоритмы...............................................................226
5.2. Приложения эволюционных алгоритмов........................................234 
5.2.1. Примеры оптимизации функции с помощью
программы Evolver....................................... ............................................235 
5.2.2. Решение комбинаторных задач с помощью  
программы Evolver....................................... ............................................267 
5.3. Эволюционные алгоритмы в нейронных сетях..............................273 
5.3.1. Независимое применение генетических алгоритмов
и нейронных сетей....................................... ............................................275 
5.3.2. Нейронные сети для поддержки генетических алгоритмов......276 
5.3.3. Генетические алгоритмы для поддержки нейронных сетей......277 
5.3.4. Применение генетических алгоритмов для
обучения нейронных сетей....................................... ..............................280 
5.3.5. Генетические алгоритмы для выбора
топологии нейронных сетей....................................................................281 
5.3.6. Адаптивные взаимодействующие системы................................282 
5.3.7. Типовой цикл эволюции................................................................282 
5.3.7.1. Эволюция весов связей...............................................................284 
5.3.7.2. Эволюция архитектуры сети......................................................288 
5.3.7.3. Эволюция правил обучения.......................................................292 
5.4. Примеры моделирования эволюционных алгоритмов
в приложении к нейронным сетям.........................................................295 
5.4.1. Программы Evolver и BrainMaker......... .......................................295
5.4.2. Программа GTO6. Применение генетических алгоритмов........326
6. Применение генетических алгоритмов .............................................332
6.1. Применение ГА для автоматической генерации тестов................ 332
6.2. Генетические алгоритмы, распознающие изображений................ 344
6.3. Генетические алгоритмы в MATLAB .............................................351
6.3.1. Суть генетических алгоритмов......................................................351

---

А.Е. Кононюк Дискретно-непрерывная математика 
7 
6.3.2. Работа с GENETIC ALGORITHM TOOL......................................352
6.4. Аппроксимация изображений генетическим алгоритмом при 
помощи EvoJ....................................... ......................................................361
6.4.1. Выбор способа описания решения.................................................361
6.4.2. Кофигурирование EvoJ при помощи Detached Annotations........366
6.4.3. Создание фитнес функции..............................................................368
6.4.4. Осуществление итераций...................................... ........................369
6.4.5. Улучшение алгоритма....................................... .............................371  
6.5. Разработка и исследование гибридного алгоритма решения сложных 
задач оптимизации.................................................. .................372
6.5.1. Генетический алгоритм (ГА) .........................................................372 
6.6. Примеры генетического алгоритма..................................................379
6.6.1. Масштаб пригодности.....................................................................379
6.6.2. Сопоставление ранга и Масштабирования высшего уровня......381
6.6.3. Селекция....................................... .................................................. 383
6.6.4. Опции репродуцирования. .............................................................384
6.6.5. Мутация и кроссовер.......................................................................385
6.6.6. Установка числа мутаций....................................... .......................386
6.6.7. Установка кроссоверной доли........................................................389
6.6.8. Установка без Мутаций..................................................................390
6.6.9. Мутации без кроссовера.................................................................392
6.6.10. Сравнение результатов с фракциями измененных после операции 
кроссовера....................................... .........................................393
6.6.11. Пример – сравнение глобального и локального минимумов....394
6.6.12. Пример решения данной задачи с помощью Генетического 
алгоритма....................................... ...........................................................396

6.6.13
.
 Использование гибридной функции............................................400
6.6.14. Установка максимального числа поколений..............................403

6.6.15. Векторизация функции пригодности..........................................405
6.6.16. Минимизация при наличии ограничений с использованием 
функции ga....................................... ........................................................406
6.6.17. Параметризация функций, вызываемых с помощью ga...........415 
6.6.18. Параметризация функций при помощи  
анонимных функциq для ga ....... ............................................................416
6.6.19. Параметризация функции при помощи вложенной
функции для ga....................................... .................................................417
Приложение. Практическая часть реализации
генетических алгоритмов........................................................................419 
Литература....................................... ........................................................441 

---

А.Е. Кононюк Дискретно-непрерывная математика 
8