Применение генетических алгоритмов к решению задач дискретной оптимизации. Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике» — Описаны основы генетического поиска и проанализированы математические модели генетических операторов кроссовера для разных типов представлений (кодировок). Приведены конкретные примеры, в которых большое внимание уделяется вычислительной реализации генетических методов. В пособии рассматриваются основные принципы, типовые структуры и механизмы предлагаемого популяционно-генетического подхода к решению задач поиска с помощью генетических методов. В учебном пособии излагаются основы новой информационной технологии, позволяющей сводить классические задачи дискретной оптимизации, такие как комбинаторные задачи о ранце, коммивояжере, покрытии и разбиении, к задаче поиска на дискретном множестве кодировок. Учебное пособие предназначено для преподавателей, аспирантов и специалистов, связанных с решением задач дискретной оптимизации.
Название: Применение генетических алгоритмов к решению задач дискретной оптимизации Автор: Батищев Д. И., Неймарк Е. А., Старостин Н. В. Издательство: Нижегородский государственный университет им. Н.И. Лобачевского Год: 2007 Страниц: 88 Формат: DJVU Размер: 10,41 МБ Качество: Отличное
Содержание:
Предисловие Глава 1. Сведение комбинаторных задач дискретной оптимизации к задачам поиска 1.1. Постановки задач дискретной оптимизации 1.2. Метод исчерпывающего перебора и понятие задачи переборного типа 1.3. Оценка трудности задач дискретной оптимизации 1.4. Задача поиска и ее абстрактная модель 1.5. Бинарное представление дискретных решений с помощью двоичных чисел и кодов Грея 1.6. Небинарное (парное) представление дискретных решений 1.7. Примеры экстремальных комбинаторных задач 1.8. Понятие окрестности решения для задач комбинаторного типа 1.9. Методы обработки ограничений Глава 2. Основы генетического поиска 2.1. Интерпретация экстремальной задачи поиска и операторов генетического алгоритма с помощью понятий популяционной генетики 2.2. Обобщенная структура генетического алгоритма 2.3. Операторы генетического алгоритма, не зависящие от типа представления 2.4. Классические генетические операторы кроссовера 2.5. Операторы кроссовера и мутации для порядкового представления
Все материалы размещенные на сайте //gigabyt.at.ua/ пренадлежат их владельцам и предоставляются исключительно в ознакомительных целях. Администрация ответственности за содержание материала не несет и убытки не возмещает. По истечении 24 часов материал должен быть удален с вашего компьютера. Незаконная реализация карается законами РФ и Украины: "Об авторском и смежном праве". При копировании материала, ссылка на сайт обязательна!
