Lukasz_Krok_Tobiasz_..

Podstawy Sztucznej Inteligencji Laboratorium
Łukasz Krok 230349
Tobiasz Siemiński 230370
Ćwiczenie 11
1
1. Cel i zakres ćwiczenia.
Celem ćwiczenia jest zapoznanie się z możliwościami algorytmu ewolucyjnego w zadaniu
estymacji obciążeń szczytowych rocznych stacji SN/nn. W trakcie ćwiczenia dokonać należy
„strojenia” algorytmu ewolucyjnego. Strojenie polega na doborze wartości parametrów
genetycznych, a także wyborze właściwej opcji skalowania funkcji przystosowania oraz opcji
elitaryzmu selekcji. W celu przeprowadzenia odpowiednich symulacji obliczeniowych
wykorzystuje się program komputerowy o nazwie Estym.
2. Przebieg ćwiczenia.
Naszym zadaniem było zoptymalizowanie funkcji, aby znaleźć jej najniższą wartość dla
strategii elitarystycznej bez skalowania funkcji przystosowania. Optymalizowana funkcja miała
postać: Pek = -10 + a1*A1 – a2*A2 – a3*A3 + a4*A4 – a5√A1 + a6√A2 + a7√A3 – a8√A4
Na początku wyznaczyliśmy najlepsze wartości współczynnika prawdopodobieństwa mutacji oraz
prawdopodobieństwa krzyżowania.
Aby to zrobić najpierw ustaliliśmy prawdopodobieństwo krzyżowania na wartość 0,5. Następnie
zmieniając współczynnik mutacji z odpowiednim krokiem w zakresie od 0,011 do 0,91.
Po znalezieniu najlepszej wartości współczynnika mutacji analogicznie zmienialiśmy współczynnik
prawdopodobieństwa krzyżowania.
Powyższą czynność wykonaliśmy dla każdej kombinacji ustawienia programu (skalowanie funkcji
przystosowania, strategia elitarystyczna).
Otrzymane wyniki prezentują poniższe tabele:
a) Brak skalowania, Brak strategii elitarystycznej
2
b) Skalowanie, Brak strategii elitarystycznej
c) Brak skalowanie, Strategia elitarystyczna
3
d) Skalowanie, Strategia elitarystyczna
Jak widać, ze wszystkich możliwych kombinacji uzyskaliśmy najlepszy wynik dla:
– nie stosowania skalowania funkcji przystosowania
– zastosowania strategii elitarystycznej
– prawdopodobieństwa krzyżowania: 0,81
– prawdopodobieństwa mutacji: 0,11
Następnie ustawiliśmy program na wyznaczone przez nas najlepsze parametry i przystąpiliśmy do
badania wpływu liczby osobników oraz liczby pokoleń na uzyskiwane wyniki.
Otrzymane rezultaty prezentuje poniższa tabela:
4
Wykres zależności wartości minimum od ilości osobników. Każdy słupek oznacza inną ilość
pokoleń w obliczeniach.
Najlepszy wynik uzyskaliśmy dla liczby pokoleń równej 60 000 oraz dla liczby osobników równej
200. Współczynniki mutacji oraz krzyżowania wyniosły 0,11 i 0,81 dla strategii elitarystycznej bez
skalowania funkcji przystosowania. Otrzymane wyniki „a” dla najlepszej kombinacji:
Funkcja będzie miała wtedy postać:
Pek = -10 + 0,299*A1 – 1,729*A2 – 0,567*A3 + 4,999*A4 – 7,509√A1 + 20,106√A2 + 24,782√A3 –
11,422√A4
5
3. Wnioski.
Najlepsze wyniki otrzymaliśmy dla współczynników Pm = 0,11 oraz Pk = 0,81 z
włączonym elitaryzmem oraz bez skalowania funkcji przystosowania. Liczba pokoleń oraz
osobników wyraźnie wpływa na jakość otrzymanych wyników. Im więcej pokoleń i osobników tym
lepszy otrzymany wynik. Widać to na wykresie zamieszczonym na poprzedniej stronie. Dzięki temu
ćwiczeniu mogliśmy zapoznać się z programem Estym oraz zaobserwować wpływ różnych
ustawień współczynnika mutacji oraz krzyżowania, a także elitaryzmu oraz skalowania na
otrzymane wyniki.
6