Thuật Giải Di Truyền mm

Một phần của tài liệu Lập trình tiến hóa trí tuệ nhân tạo (Trang 168 - 169)

M Chương 9: Các Bài Tốn Tối Ưu Tổ Hợp Khác

Thuật Giải Di Truyền mm

đối với những người làm việc trên những cấu trúc dữ liệu phong phú

hơn, việc giảm tỉ lệ lai tạo làm hiệu quả của chúng kém đi. Đồng

thời, xác suất áp dụng các tốn tư đột biến lại thật cao: hệ thống

GENETIC ~2 sử dụng tỉ lệ đột biến: cao là 0.2.

Cộng đồng ES cũng đạt đến kết luận tương tự. Do đĩ, tốn tử

lai tạo được đưa vào ES. Chú ý rằng ES bạn đầu chỉ dựa trên một

tốn tử đật biến và tốn tử lai tạo chỉ được kết hợp mãi sau này. Dường như tỉ số giữa GA và ES bằng nhau: cộng đồng E8 vay mượn ý tưởng về tốn tử lai tạo từ GA.

Cĩ thêm nhiều vấn để thú vị về mối liên quan giữa E8 và GA. Gần đây, một số tốn tử lại tạo khác đồng thời được đưa vào GA và #⁄S. Hai vectơ x; và x; cĩ thể sản sinh hai con y; và yz„ là tổ hợp

tuyến tính của các cha-me của chúng, nghĩa là: yị¡ = aX;¡ + [— a)X; và

3 = (1- q]xị + Gxa,

Lai tạo như thế được gọi là:

-« _ trong GÀ: lai trung bình bảo đảm ràng buộc (khi a= 1⁄2),

hay lai số học, và `

« - trong E6: Íaqi fạo trung gian.

Việc tự thích nghỉ của các tham số điểu khiển trong E5 cũng cĩ phần tương ứng của nĩ trong nghiên cứu GA, ý nghĩ áp dụng thuật. giải đi truyễn khi đang chạy trong E8 đã được phát biểu trước đây; hệ thống Argot áp đụng biểu diễn của những cá thể. Bài tốn áp dụng các tham số điều khiến cho thuật giải di truyền cũng được

nhận thức vào lúc đĩ. Rõ ràng là việc tìm các thiết lập tốt cho các

tham số GA đối với một bài tốn đặc biệt khơng phải là một tác vụ tâm thường. Nhiều phương pháp đã được để nghị. Một số phương pháp sử dụng thuật giải di truyền giám sát để tối ưu hĩa các tham số của thuật giải di truyền “thích đáng” đối với một lớp bài tốn. Các

Một phần của tài liệu Lập trình tiến hóa trí tuệ nhân tạo (Trang 168 - 169)

Tải bản đầy đủ (PDF)

(177 trang)