Решение задачи глобальной оптимизации. Базовый метод эволюционной стратегии: операции мутации, скрещивания и селекции. Определение параметров управления пробного вектора с помощью самоадаптивного метода. Применение метода C-центроидов, его схема.
Аннотация к работе
Эволюционная стратегия - эвристический метод оптимизации в разделе эволюционных алгоритмов, основанный на адаптации и эволюции.Алгоритм направлен на улучшение популяции NP параметрических векторов , где . При выборе начальной популяции нужно учитывать ограничения на размер векторов . Например, начальное значение j-ого параметра i-ого вектора в начальном поколении (G=0) получается по формуле j = 1,…, N. Здесь - число, полученное из нормального случайного распределения в промежутке [0, 1]. лучший вектор текущего поколения (оптимальное решение текущего поколения),-i-ый вектор мутации текущего поколения, - вектор, номер которого определяется случайным целым числом в интервале [1:NP] без повторений, где l , F - масштабирующий фактор (положительное число, масштабирующее разность векторов, оптимальный промежуток .Базовый метод находит решение путем проб и ошибок. Рассмотрим самоадаптивный метод эволюционной стратегии, в котором значения параметров управления NP, CR, F пробного вектора будут самостоятельно адаптироваться на основании предыдущих вычислений. Вместо использования поиска путем проб и ошибок предварительно введем набор стратегий, в состав которого войдут несколько пробных векторов с разными параметрами управления. 2) Согласно вероятности 1/K выбираем одну из стратегий и применяем ее по отношению к каждому вектору (кандидату в решение). Здесь k = 1, 2, …, K, LP - число обучающих поколений, в течение которых накапливается информация об успешных стратегиях, - вероятность выбора k-ой стратегии поколения G, небольшое постоянное значения (используется во избежание нулевой вероятности, можно принять равной 0,01).Каждому кластеру соответствует свой центроид. Центроид - вектор, имеющий наименьшее значение квадратичной суммы норм разности этого центроида и остальных векторов. Сумма этих значений находится в виде значения функции по формуле 1) Из множества NP векторов выбираем C центроидов. 2.2) После определения своего близлежащего центроида, вектор попадает в кластер этого центроида.
План
Содержание
1. Постановка задачи
2. Эволюционная стратегия
3. Базовый метод эволюционной стратегии
4. Самоадаптивный метод эволюционной стратегии
5. Метод С-центроидов с использованием эволюционной стратегии
Список использованных источников
1. Постановка задачи
Решается задача глобальной оптимизации
, , где - минимизируемая (целевая) функция, - N-мерное пространство, - N-мерный вектор, ограничение снизу, ограничение сверху, - оптимальное значение вектора, - множество допустимых значений вектора.
2. Эволюционная стратегия
Список литературы
1. Qin A.K., Huang V.L. Suganthan P.N. Differential Evolution Algorithm With Strategy Adaptation for Global Numerical Optimization\\ IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, ? VOL. 13, ? NO. 2, APRIL 2009, ? pp. 399-401.
2. Qin A.K., Huang V.L. Suganthan P.N. Differential Evolution Algorithm With Strategy Adaptation for Global Numerical Optimization\\ IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, ? VOL. 13, ? NO. 2, APRIL 2009, ? pp. 401-403.
3. Tae Seong Kim, Joong Chae Na and Kyung Joong Kim. Optimization of an Autonomous Car Controller using a Self-Adaptive Evolutionary Strategy\\ 14 Int J Adv Robotic Sy, ? 2012, ? Vol. 9, 73: 2012, ? pp.7-8.
4. Merzougui M., Nasri M., Bouali B. Entropic Approach and Evolution Strategies for Optimizing the Image Segmentation by Pixel Classification: Application to Quality Control\\ International Journal of Computer Applications (0975 - 8887) Volume 61- No.13, January 2013, ? pp. 22-23.