Бионика и Mathcad
Оглавление
Бионика и Mathcad
Страница 2
Страница 2 из 2
Генетические алгоритмы при поиске глобального экстремума используют
вероятностный подход. В связи с этим целесообразно говорить не о глобальном
экстремуме, а о наилучшем достигнутом решении в принятом диапазоне поиска. Успех
работы генетического алгоритма, прежде всего, обеспечивается идеей коллективного
поиска, т. е. поиска с помощью популяции поисковых точек и генетических
операторов, заимствованных из природы. Генетические операторы, воздействуя с
некоторой вероятностью на хромосомы родителей, обеспечивают, с одной стороны,
передачу потомству информации о состоянии популяции, а с другой— поддерживают на
протяжении всей эволюции достаточный уровень его изменчивости, что сохраняет
поисковую способность алгоритма.
Особенностью генетических алгоритмов является то, что ни один из генетических
операторов (кроссовер, мутация, инверсия) в процессе генерирования потомков не
опирается на знание локального рельефа поверхности целевой функции. Формирование
потомков происходит случайным образом, и нет гарантии, что найденные решения
будут лучше родительских. Поэтому в процессе эволюции встречаются и "неудачные"
потомки, которые увеличивают число обращений к функции цели, тем самым, повышают
время поиска глобального экстремума.
В настоящее время генетические алгоритмы в основном имеют специализированное
применение в нейросетевых технологиях для решения многопараметрических задач
распознавания образов и прогнозирования. Однако при всей внешней простоте
замысла генетические алгоритмы требуют значительных усилий при настройке под
конкретную задачу. В настройке нуждаются, прежде всего, вероятности применения
генетических операторов.
В задачах настройки систем регулирования на детерминированные возмущения в
качестве функций цели обычно выбирается интегральный критерий, вычисляемый на
интервале времени переходного процесса, требующий значительного объема
вычислений. Для таких задач к алгоритму оптимизации предъявляются жесткие
требования по числу обращений к функции цели.
На кафедре АСУТП МЭИ (В. Р. Сабанин) разработана модификация генетического
алгоритма для универсального использования в задачах небольшой размерности.
Модифицированный генетический алгоритм сохраняет в себе генетические качества
статистической селекции популяции поисковых точек. Для исключения неудачных
потомков при их генерировании в алгоритме реализована процедура регулярного
поиска локальных экстремумов с использованием операций деформируемого
многогранника.
Рис. 3.33. "Генетический" поиск минимума
На рис. 3.33 показано испытание "генетической" функции mga (текст функции
можно увидеть на сайте http://twt.mpei.ac.ru/MASAVorksheets/ Minimum.mcd) на
тестовой функции f (х), по которой мы уже "шагали" — см. рис. 3.26 и 3.27
градиентным методом "Два шага" (Two-step).
Рис. 3.34. Поиск глобального минимума на "страшной" функции
Рис. 3.35. Наблюдение за решением системы уравнений в Интернете
Аргументами функции mga являются переменныеи(см. их суть выше) и область поиска,
а не начальная точка. Функция mga успешно нашла глобальный минимум функции f
(х).
На рис. 3.34 отображен вышеупомянутый сайт с адресом http://twt.mpei.ac.ru/
MASAVorksheets/Minimum.mcd, на котором выложена по технологии MA/CS функция mga.
Здесь функция тестируется на "страшной" очень многоэкстремальной функции, где
сразу видна точка минимума— (х-5.5)2+(у-3.5)2, но на саму функцию наложен
"синусоидальный" шум, призванный "сбить с пути" градиентные алгоритмы. Из рис.
3.34 видно, что функция mga с поставленной задачей успешно справилась.
Сравнивая главы 2 и 3, можно отметить такую особенность. В главе 2 мы
старались влезть "внутрь" функций поиска корней уравнений и систем, а в главе 3
— ограничились только описанием неких внешних проявлений встроенных в Mathcad
функций оптимизации. Но здесь следует принять во внимание тот факт, что и те
(см. главу 2) и другие (см. главу 3) встроенные в Mathcad функции работают по
одним алгоритмам, являющимися по своей сути модификациями метода Ньютона.
На рис. 3.35 показана его реализация для решения системы двух алгебраических
уравнений (см. http://twt.mpei.ac.ru/MAS/Worksheets/Newton_2.mcd). На сайте
http://twt.mpei.ac.ru/MASAVorksheets/Newton_3.mcd дано решение данной задачи для
системы до семи нелинейных аналитических уравнений.
« Пред. - След.