Введение 4

Понятие генетического алгоритма 6

Генетические операторы 9

Фитнес-функция 12

Выводы 14

Заключение 16

Литература 17

Приложение А 18

Необходимо найти минимум функции в заданной области.

При выполнении данного проекта необходимо учитывать, что решение задачи является подверженным влиянию случайных величин. Поэтому каждый запуск программы необходимо повторять, по крайней мере, 20 30 раз. После этого из набора полученных решений надо отобрать лучшее. Разумеется, это надо сделать, поместив содержание главной программы в соответствующий цикл, в котором будет одновременно выбираться наилучшее решение. Одновременно надо вычислить и среднее значение минимума за эти 20-30 прогонов.

Рассмотреть одноточечное скрещивание и инверсионную мутацию.

Каждая переменная кодируется 30 битами.

Провести расчеты для 30 и 100 поколений.

Сравнить получающиеся решения при размерах популяции 10, 20, 30 особей.

1. Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: The MIT Press, 1996

2. Thomas Back. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. Oxford: University Press, New York, 1996.

3. Аналитические технологии для прогнозирования и анализа данных // Нейропроект [Электронный ресурс]. - Режим доступа: http://www.neuroproject.ru/genealg.php - Загл. с экрана

4. Батищев Д.А. Генетические алгоритмы решения экстремальных задач. - Воронеж: Изд-во ВГТУ, 1995

5. Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев, С.А.Сергеев. - Харьков: Основа, 1997

6. Генетические алгоритмы - математический аппарат// Методы оптимизации [Электронный ресурс]. - Режим доступа: http://www.basegroup.ru/library/optimization/ga_math/ - Загл. с экрана

7. Генетические алгоритмы //Дискретная математика: алгоритмы[Электронный ресурс]: портал Санкт-Петербургского Государственного Университета информационных технологий, механики и оптики. - Режим доступа: http://rain.ifmo.ru/cat/view.php/theory/unsorted/genetic-2005 - Загл. с экрана

8. Генетические операторы // Генетические алгоритмы [Электронный ресурс]. - Режим доступа: http://qai.narod.ru/GA/genoperators.html - Загл. с экрана

9. Генетический алгоритм: основные операции // Генетические алгоритмы [Электронный ресурс]. - Режим доступа: http://g-u-t.chat.ru/ga/oper.htm - Загл. с экрана

10. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. - М.:ФИЗМАТЛИТ, 2003

11. Исаев С. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов //Алголист [Электронный ресурс]. - Режим доступа: http://algolist.manual.ru/ai/ga/ga2.php - Загл. с экрана

12. Клемент Р. Генетические алгоритмы: почему они работают? когда их применять? //Компьютерра. №11 от 16 марта 1999 г. - С.57-64

13. Математические методы и алгоритмы / Под ред. В.П.Иванникова. - М.: ИСП РАН, 2004

14. Тимченко С.В. Информатика - 4, Учебно - методическое пособие по курсовому проекту. - Томск, 2004

15. Эволюционные вычисления // GetInfo [Электронный ресурс]: портал Компьютерной библиотеки GetInfo. / Yuri Burger. - Режим доступа: http://www.getinfo.ru/article31_2.html . - Загл. с экрана.

Примечаний нет.