Мутации

Бывают точечные мутации (в первом гене), макромутаии (в нескольких генах) и хромосомные (появляются новые хромосомы)

Обычно вероятность появления мутаций указывается среди исходных данных, но можно авторегулировать число мутаций при их ...., когда их родительские хромосомы различаются не более чем в К генов.

Селекция

После определения и положительной оценки потомка он может быть сразу включен в текущую популяцию вместо худшего из родителей при этом из алгоритма исключается внешний цикл.

Другой вариант селекции – отбор после каждого операции скрещивания двух лучших экземпляров среди двух потомков и двух родителей.

Часто именно потомки с F_min принужденно включаются в новое поколение, такой подход называется элипумом. Он способствует большей сходимости и локальному экстремуму. Но в многоэкстрем. Ситуации ограничивает возможность попадания в окрестности других локальных экстремумов.

Третий вариант селекции – отбор N экземпляров среди генов репродукции группы, которая состоит из родителей, потомков, мутантов, удовлетворяющих условию: F_i < t. t – порог значения функции полезности. Порог может быть равен ил среднему значению функции F в текущем поколении или значению F особи, занимающее определенное порядковое место. Суть мягкой схемы отбора – включение в новое поколение N лучших представителей репродукции группы.

Жесткая схема отбора – новое поколение экземпляры включаются с вероятностью, определяемое (1).

Четвертый вариант селекции – переупорядочивание – назначение переуп-е генов связывания со своими свойствами, носящими название эпистасис. Эпистасис имеет место если F зависит не только от значений генов, но и от их позиционирования. Связывание эпистасиса говорит о нелинейности функции F, что приводит к усложнению оптимизационной задачи.

Особенности генетических алгоритмов

Генетические алгоритмы не единственный способ решения задач оптимизации.

1. Переборный метод наиболее прост в программировании, при этом необходимо вычислить значение цел. функции во всех точках, запоминая максимальные из них.

Минусы: Большая вычислительная сложность, но если перебор всех вариантов за разумное время возможен, то найденное решение является оптимальным.

2. Метод градиентного спуска.

Выбираются случайные значения параметров, а затем эти значения изменяются, добиваясь наибольшей скорости роста це…. функции.

Эти методы работают быстро, но не гарантируют оптимальности решения. Практические задачи ,как правило, мультимодальны и многомерны. Комбинируя переборные методы можно получить приблизительные решения, точность которых будет выше с увеличением t_n.

Генетические алгоритмы представляют собой именно такой комбинированный метод механизма скрещивания.

Генетические алгоритмы для трассировки двухслойных каналов

В настоящее время получили распространение канальные алгоритмы трассировки, которые требуют меньше машинных ресурсов и большинстве случаев обеспечивают стопроцентное разведение цепей.

Большое распространение получили алгоритмы моделирования эволюции. Это хорошо известная оптимизированная методология, основанная на аналогии процессов натуральной селекции в биологии.

Поиск в поле структурных модификаций адаптированных систем осуществляется генетическими алгоритмами.

Основная особенность генетических алгоритмов состоит в том, что анализируется не одно решение, а некоторое подмножество квазиопытных решений, названных хромосомами или стрингами.

Для каждой хромосомы должна быть цел. функция F(n), названная эволюционной.

n- число элементов в хромосоме. Функция F(n) вычисляет определенный вес каждой хромосомы. В каждой популяции хромосомы могут подвергаться действиям различных опер-в: кроссовера, инверсии, мутации, сегрегации, транслокации и т. п.

Генетические алгоритмы обладают возможностью выхода из локальных оптимумов, что позволяет получать лучшие решения, чем при решении задач канальной трассировки старыми алгоритмами.