Diplomska naloga (.pdf)

3.3 Genetski algoritmi za problem večplastnega absorberja 26
2. Nekateri dovolijo izvedbo nedopustnih rešitev, vendar jih nato algoritem med
ocenjevanjem ustrezno popravi.
3. Nekateri dovolijo obstoj nedopustnih rešitev skozi celotno evolucijo, vendar se
take rešitve pri vrednotenju kakovosti označijo kot zelo slabe.
Mi smo problem rešili na zadnji način.
Da je genetski algoritem kar se da učinkovit, je potrebno najti pravo ravnotežje
med selekcijo, prekrižanjem in mutacijo. To ravnotežje je odvisno tudi od kriterijske
funkcije in oblike zapisa osebkov. Med ključne parametre sodijo velikost populacije,
verjetnost mutacije ipd. Zelo je pomembno, kakšne parametre izberemo, vendar
recept, ki bi povedal, kakšni naj bodo, ne obstaja. Navadno se parametre določa
eksperimentalno in ti so od problema do problema drugačni. Eden izmed parametrov
je tudi kriterij zaustavitve algoritma, ki nam pove, kdaj naj končamo evolucijo.
Najpogosteje uporabljeni zaustavitveni kriteriji so:
1. V evoluciji naredimo vnaprej določeno število generacij. Rešitev, ki jo vrne
algoritem, je najboljša rešitev zadnje generacije.
2. Postavimo aproksimacijsko zahtevo in algoritem se konča, ko jo najboljša
rešitev doseže. Tu je večinoma potrebno vsaj približno vedeti, kakšna je optimalna
rešitev problema.
3. Razvijamo populacije, dokler se najboljše rešitve čez nekaj zadnjih generacij
ne spreminjajo več.
Mi smo uporabili prvi zaustavitveni kriterij.
Potrebno je poudariti, da genetski algoritem zaradi svoje strukture kot rezultat
ne vrne le najboljše rešitve problema, temveč celotno populacijo. To je posebej
dobrodošlo v našem primeru, kjer lahko dostopamo do več primerljivo dobrih rešitev
in se na podlagi izvedljivosti, cene in želja strank tudi kasneje odločamo, katera
rešitev je za nas najprimernejša. Seveda pa genetski algoritmi ne zagotavljajo najdbe
optimalne rešitve. Včasih tudi dolg čas izvajanja algoritma ne vodi k dovolj dobrim
rešitvam. Od danega problema in njegovega formalnega opisa je odvisno, ali bodo
genetski algoritmi primerna metoda reševanja.
3.3 Genetski algoritmi za problem večplastnega
absorberja
V tem razdelku je opisana enokriterijska optimizacija večplastnih EM absorberjev,
ki smo jo implementirali v programskem paketu Matlab.
Lastnosti naših materialov so podane s podatki o dielektričnosti ε in permeabilnosti
µ. Dielektričnost vsebuje realen in imaginaren del in se od materiala do
materiala razlikuje. Vse dielektričnosti smo zapisali v vektor, katerega dolžina je