Стр. 58 - СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ
Упрощенная HTML-версия
[
Введите текст]
56
СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.
ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ
Каждой особи ставится в соответствие оценка ее неприспособленности
,
равная ошибке системы на обучающей выборке при значениях параметров
элементов , полученных применением преобразований
из генотипа
особи. Целью генетического алгоритма является поиск особей с наименьшим
значением
,
т.е. получение оптимального или близкого к оптимальному ре-
шения задачи нелинейной оптимизации (3.1.1). В традиционных ГА оценкой
особи является функция приспособленности, которую необходимо максимизи-
ровать, однако суть алгоритма от перехода к такой функции не меня-
ется.
Совокупность особей
образует популяцию численностью .
Индекс обозначает номер поколения в ходе жизненного цикла популяции
(
).
Теперь приведем описание шагов генетического алгоритма, примененного в
разработанной системе:
1.
Инициализация
В начале выполнения алгоритма (
)
происходит формирование популя-
ции заданного размера . При этом одна особь сохраняет генотип исходной
сети, а гены остальных членов популяции принимают случайные значения
(
каждый бит
i
α
,
где
,
с равной вероятностью может принять значение 0
или 1). Далее особи оцениваются и сортируются по возрастанию неприспособ-
ленности
(
).
Для вычисления оценки
производится декоди-
рование генотипов особей, с целью получения значений параметров сети. При
этом элементы рассматриваются в том же порядке, что и при кодировании. Кро-
ме того, инициализируется учитываемая в ходе выполнения ГА переменная
–
число поколений, в течение которых не менялось минимальное значение
неприспособленности в популяции.
2.
Проверка условий остановки алгоритма
В данной реализации ГА критерием окончания эволюции служит достиже-
ние предельного числа поколений ( ) или повторение характеристик лучшей
особи в течение определенного числа итераций ( ), т.е. остановка алгоритма
происходит при выполнении любого из двух условий:
,
(3.1.16)
.
(3.1.17)
Значения
и
устанавливаются исследователем до запуска процесса
оптимизации. Оптимальные значения этих параметров ГА зависят от сложности
решаемой задачи и могут быть определены экспериментальным путем.
3.
Применение оператора скрещивания
C
( )
E
C
λ
1
1
1
1
2
3
,
,
− − −
Ψ Ψ Ψ
( )
E
C
1
( ,..., )
t
t
v
C C
t
P
v
t
T
0,1,...,
t
T
=
0
t
=
0
P
v
1,...,
i
L
=
( )
t
j
E
C
1,...,
j
v
=
( )
t
j
E
C
*
0
t
=
max
T
max
t
∗
max
t T
=
max
t
t
∗ ∗
=
max
T
max
t
∗
