11.Генетические алгоритмы – понятие, причины возникновения.

ГА – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.

12.Модель биологической эволюции, кроссинговер.

Эволюция – процесс оптимизации живых организмов. Оптимизация – приспособление организмов к условиям внешней среды.

Основные механизмы: 1.естественный отбор – наиболее приспособленные имеют больше возможности на выживание, размножение. Сам по себе не обеспечивает эволюцию; 2.генетическое наследование - обеспечивает большую приспособленность потомка, чем естественный отбор.

Кроссинговер – процесс обмена участками ДНК, обеспечивает разнообразие внутри вида.

Кроссинговер (от англ. crossingover), перекрест, взаимный обмен участками парных хромосом, происходящий в результате разрыва и соединения в новом порядке их нитей; приводит к перераспределению (рекомбинации) сцепленных генов.

Кроссинговер — важнейший механизм, обеспечивающий комбинаторную изменчивость, а следовательно, — один из главных факторов эволюции.

13.Схема генетических алгоритмов:

1 . Создание начальной популяции

2. Выбор родителей

3 . Размножение

4. Мутация потомства

5 . Оценка приспособленности

6 . Отбор (редукция)

1. Анализ (цель достигнута?)

Да Нет

конец

14.Пример поиска глобального экстремума функции с помощью ген. Алгоритма.

Создадим начальную популяцию. Популяция состоит из особей (хромосома). Положим, что х принимает только целые значения (0,1,2,3,4,5,6,7).

Выберем начальную популяцию, напр (4,5,7). Чем большее значение особи, тем более она приспособленна.

Выберем родителей и создадим потомков с помощью кроссинговера (будем осущ-ть в точке разрыва 2).Для формирования новой популяции необходимо осущ-ть отбор – выбрать наиболее приспособленные особи из родителей и потомков. В результате отбора получена новая популяция (5,5,6) (локальный максимум).Для поиска глобального максимума, повторяем проделанную выше процедуру.

Новая популяция (0,3,6). ГА удалось найти решение вне максимума и перескочить через область худших решений.Проделываем новый цикл. Новая популяция (1,2,6). Глобальный экстремум найден.

15.Агенты, свойства.

Агенты – это компьютерные программы, которые самостоятельно решают поставленные пользователем задачи. Агенты (с лат. – вести, действовать.)

Свойства агентов:

1)Реактивность (реакции) - агенты воспринимают и реагируют на окружающую среду. Сенсоры: изображение через видеокарту, через клавиатуру, общая память.

2)Автономность – для создания самозапуска не нужно вмешательство пользователя.

3)Целенаправленность - агент имеет глобальную цель для достижения. Для достижения сущ-щей локальной цели.

4)Непрерывность функционирования - агент постоянно нах-ся в состоянии исполнения

5)Коммуникативность - агент может общаться с другими агентами, людьми; общение, запрос.

6)Обучаемость (адаптивность) - агенты обучаются на основании предыдущих действий и результатов, полученных действий. Результатами яв-ся нейронные сети

7)Мобильность - агент перемещается по сети

8)Гибкость - поведение агента яв-ся непростым выбирает одно из альтернативных вариантов поведения.