Генетический алгоритм

На каждой итерации генетического алгоритма размер популяции будет увеличиваться на хромосом-отпрысков, где - коэффициент скрещивания. Для того, чтобы сохранить постоянный размер популяции (), перед следующей итерацией следует отбросить худшие (в смысле функции соответствия) хромосом. С учетом этого, генетический алгоритм оптимальной настройки нечеткой модели будет иметь следующий вид:

1°. Генерируем исходную популяцию согласно (5.23)-(5.25).

2°. Находим значения функций соответствия , согласно (5.20),(5.21).

3°. Определяем пар хромосом-родителей, используя алгоритм из раздела 5.2.5.

4°. Выполняем операцию скрещивания каждой пары хромосом-родителей в соответствии с алгоритмом из раздела 5.2.2.

5°. С вероятностью осуществим мутацию полученных хромосом-отпрысков согласно алгоритму из раздела 5.2.3.

6°. Из полученной популяции размером хромосом отбрасываем хромосом, имеющих худшие значения функции соответствия .

7°. Если получена хромосома , для которой , то конец алгоритма, иначе переходим к шагу 8.

8°. Если не исчерпано заданное число шагов, то переходим к шагу 2; в противном случае хромосома, имеющая наибольшее значение функции соответствия представляет субоптимальное решение. Конец алгоритма.

Дальнейшее улучшение решения может быть выполнено обычными поисковыми методами.

5.3. Настройки -уровневых функций принадлежности

Функции принадлежности, которые использовались выше, настраивались лишь по двум параметрам: - координата максимума; - коэффициент сжатия-растяжения. В этом разделе используется уровневое представление функций принадлежности, которые обеспечивают больше возможностей при настройке.

Не нашли, что искали? Воспользуйтесь поиском: