Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
użytkownika. Podejście takie wykorzystywane jest wtedy, gdy populacja<br />
początkowa zawiera osobniki będące wynikiem obliczeń innego algorytmu lub<br />
będące efektem obliczeń samego algorytmu genetycznego z jakiegoś<br />
wcześniejszego cyklu obliczeniowego. Spotyka się również sytuacje, w których<br />
populacja początkowa powstaje ze zbioru wyników badań eksperymentalnych<br />
2.2.4 Dopasowanie i funkcja oceny<br />
Każdy z osobników (rozwiązań) jest oceniany przez funkcję oceny. Wartość<br />
jaką funkcja oceny przypisuje każdemu z osobników nazywana jest<br />
przystosowaniem (<strong>do</strong>pasowaniem, <strong>do</strong>stosowaniem) i reprezentuje jakość danego<br />
rozwiązania. Wartość przystosowania w zagadnieniach optymalizacji za pomocą<br />
AG jest zwykle traktowana jako funkcja celu, jakkolwiek często podlega pewnym<br />
przekształceniom. Przekształcenia spowo<strong>do</strong>wane są pewnymi<br />
charakterystycznymi właściwościami funkcji oceny, które uniemożliwiają jej<br />
bezpośrednie zastosowanie <strong>do</strong> wszystkich problemów optymalizacji. Jest to<br />
szczególnie istotne przy stosowaniu procedury selekcji proporcjonalnej.<br />
W wypadku zastosowania innych procedur selekcji często jest możliwe pominięcie<br />
tych przekształceń.<br />
Pierwsze z ograniczeń związane jest z zastosowaną metodą selekcji (selekcja<br />
proporcjonalna – opisana poniżej) wymagającej, aby jej argumenty, tj. wartości<br />
przystosowania, były liczbami nieujemnymi. Aby zapobiec takiej sytuacji,<br />
w wypadku wystąpienia ujemnych wartości przystosowania wszystkie wartości<br />
przystosowania są przesuwane o pewną stałą wartość C1, tak aby w wyniku<br />
otrzymać wyłącznie wartości nieujemne:<br />
max f(x) = max {g(x) + C 1 }. (2.8)<br />
Kolejne z ograniczeń wynika z tradycyjnego ujęcia procesu optymalizacji<br />
realizowanego przez kanoniczny algorytm genetyczny, który polega na<br />
wyszukiwaniu maksimum. Z tego powodu, w przypadkach kiedy istotą<br />
optymalizowanego zagadnienia jest wyznaczenie minimum, stosuje się<br />
przekształcenie, w którym przyjmuje się pewną stała wartość C2 i od niej<br />
odejmowane są wartości poszczególnych <strong>do</strong>pasowań. Wartość stałej może być<br />
przyjmowana na kilka sposobów, m.in. poprzez arbitralne narzucenie jej przez<br />
23