TYPOWE OPERATORY KRZYŻOWANIA
Transkrypt
TYPOWE OPERATORY KRZYŻOWANIA
www.kwmimkm.polsl.pl F. RASTRIGINA -1 ≤ xi ≤ 1 OBLICZENIA EWOLUCYJNE FITNESS F. COMPUTATION INITIAL SUBPOPULATION SENDING CHROM. TO COMPUTERS AND RECEIVING FITNESS F. VALUE chromosome wykład 5 FITNESS F. COMPUTATION www.kwmimkm.polsl.pl n f ( x ) = ∑ ⎣⎡ xi2 − cos(18 xi ) ⎦⎤ i =1 minimum globalne globalne:: START FITNESS F. COMPUTATION FUNKCJE TESTOWE x = 0, f (x) = -n EVOLUTIONARY OPERATORS n - l. zmiennych) fitness f. value MIGRATION PHASE communication with other subpopulations SELECTION YES TERMINATION CONDITION NO END 1 F. ACKLEYA www.kwmimkm.polsl.pl 2 http://www.ft.utb.cz /people/ http://www.ft.utb.cz/ people/zelinka/ zelinka/soma/ soma/func.html www.kwmimkm.polsl.pl ⎛ 1 n 2⎞ ⎛1 n ⎞ f ( x ) = − 20 exp ⎜ − 0.2 xi ⎟ − exp ⎜ ∑ cos(2π xi ) ⎟ + 20 + e ∑ ⎜ ⎟ n n i =1 ⎝ i =1 ⎠ ⎝ ⎠ -30 ≤ xi ≤ 30 minimum globalne globalne:: x = 0, f (x) = 0 ... 3 www.kwmimkm.polsl.pl 4 Para rodzicó rodziców – para potomkó potomków www.kwmimkm.polsl.pl Zwykle : 2 osobniki rodzicielskie - 2 (sprzęż one) osobniki potomne. (sprzężone) TYPOWE OPERATORY KRZYŻOWANIA Pojedynczy osobnik potomny • wariant dwuosobniczy – para osobnikó osobników rodzicielskich; • wariant globalny – jeden wiodą wiodący i n pomocniczych osobnikó osobników rodzicielskich (po jednym dla każ każdego genu). Krzyż Krzyżowanie wieloosobnicze: wieloosobnicze: • z wieloma osobnikami potomnymi; 5 • z jednym osobnikiem potomnym. 6 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl • Tworzą Tworzą chromosomy potomne przez skł składanie ich z wartoś wartości genó genów chromosomó chromosomów rodzicielskich. OPERATORY KRZYŻOWANIA WYMIENIAJĄCEGO • Mogą Mogą być być wykorzystywane zaró zarówno przy kodokodowaniu binarnym, jak i rzeczywistoliczbowym. rzeczywistoliczbowym. • Nie dochodzi do modyfikacji wartoś wartości genó genów zawartych w chromosomach krzyż krzyżowanych osobnikó osobników rodzicielskich (tylko ich przetasowanie). przetasowanie). 7 8 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl KRZYŻ KRZYŻOWANIE JEDNOPUNKTOWE (proste) • wybó wybór (z rozkł rozkładem jednostajnym) liczby c (punkt rozcię rozcięcia) ze zbioru {1, 2, ..., n -1} n - długość ugość osobnika; X1 • Podział Podział chromosomó chromosomów X1 i X2 poddawanych krzyż ci i ich sklejanie: krzyżowaniu na dwie częś części Y = [X [X11, ..., X1c, X2c+1, …, X2n]. X2 3.24 2.22 -0.22 3.14 1.32 7.72 3.22 1.22 1.20 7.23 -2.21 c Y Z 3.24 2.22 -0.22 3.14 1.32 7.72 1.22 3.22 2.40 2.40 1.20 4.28 4.28 7.23 -2.42 -2.42 -2.21 W wersji z 2 osobnikami potomnymi drugi potomek: Z = [X [X21, ..., X2c, X1c+1, …, X1n] KRZYŻ KRZYŻOWANIE DWUPUNKTOWE 9 10 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl X1 • wybó wybór 2 punktó punktów rozcię rozcięcia c1 i c2; • Podział Podział chromosomó chromosomów X1 i X2 poddawanych krzyż krzyżowaniu na 3 częś ci i wymiana środkowej częś ci: części części: 2 1 1 Y = [X [X11, ..., X1c1, X2c1+1 c1+1, …, X c2, X c2+1, …, X n] W wersji z 2 osobnikami potomnymi drugi potomek: X2 3.24 2.22 -0.22 3.14 1.32 7.72 3.22 1.22 1.20 2.40 7.23 4.28 -2.21 -2.42 c1 c2 Y Z 3.24 2.22 -0.22 3.14 1.32 7.72 1.22 3.22 2.40 1.20 4.28 7.23 -2.21 -2.42 1 2 2 Z = [X [X21, ..., X2c1, X1c1+1 c1+1, …, X c2, X c2+1, …, X n] KRZYŻ KRZYŻOWANIE WIELOPUNKTOWE... c1 = c2 – krzyż krzyżowanie jednopunktowe 11 12 www.kwmimkm.polsl.pl KRZYŻ KRZYŻOWANIE RÓ RÓWNOMIERNE Chromosom potomny: 1 ⎪⎧ X i jeśli wylosowano liczbę liczbę <pe; Yi = ⎨ 2 jeś ⎪⎩ X i w przeciwnym razie. pe – parametr krzyż krzyżowania (typowo pe=0.5) W wersji z 2 osobnikami potomnymi drugi potomek: ⎧⎪ X 2 i jeśli Y = X1 ; i i Zi = ⎨ 1 jeś ⎪⎩ X i w przeciwnym razie. KRZYŻ KRZYŻOWANIE DIAGONALNE ..., …, …, 3.24 2.22 Z -0.22 3.14 0.158384 -0.22 3.14 1.32 7.72 0.697190 7.72 1.32 3.22 1.22 0.315814 3.22 1.22 1.20 2.40 0.821422 2.40 1.20 7.23 4.28 0.399981 7.23 4.28 -2.21 -2.42 0.428556 -2.21 -2.42 X3 Y Z W 3 1 1 Z = [X [X21, ..., X2c1, X3c1+1 c1+1, …, X c2, X c2+1, …, X n] W= 0.092699 X1 X2 2 3 3 Y = [X [X11, ..., X1c1, X2c1+1 c1+1, …, X c2, X c2+1, …, X n] X2c2+1, Y 2.22 www.kwmimkm.polsl.pl Dla 3 osobnikó osobników: X1c2, 3.24 wylosowano www.kwmimkm.polsl.pl • Osobniki potomne powstają powstają w wyniku skł składania fragmentó fragmentów kodu po przeką przekątnej. X1c1+1 c1+1, X2 14 • Tworzy r potomkó potomków z r rodzicó rodziców przy c = r - 1 punktach krzyż krzyżowania. X3c1, X1 13 • Jest krzyż krzyżowaniem wieloosobniczym. wieloosobniczym. [X [X31, www.kwmimkm.polsl.pl pe=0.5 X2n] W wersji 1 potomkiem – tylko potomek Y 15 16 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl • Są specyficzne dla kodowania rzeczywisto- OPERATORY KRZYŻOWANIA UŚREDNIAJĄCEGO 17 liczbowego; • Oddziałują na wartości genów chromosomów poddawanych krzyżowaniu; • Wartości każdego genu chromosomów potomnych są liczbami zawierającymi się między największą i najmniejszą wartością genu chromosomów rodzicielskich. 18 KRZYŻ KRZYŻOWANIE ARYTMETYCZNE www.kwmimkm.polsl.pl • generowanie liczby losowej k z zakresu (0,1) lub jej arbitralny wybó wybór; • uśrednianie arytmetyczne wartoś wartości genó genów chromosomó chromosomów rodzicielskich: X1 X2 www.kwmimkm.polsl.pl Y Z 4.0 2.22 3.11 3.11 -0.2 3.14 1.56 1.56 1 7.72 3.22 1.28 k=0.5 4.36 4.36 2.25 2.25 1.21 2.45 1.83 1.83 -3.42 -5.14 -4.28 -4.28 -2.21 2.43 0.11 0.11 Y = X1+ k (X2 - X1) X2 W wersji z 2 osobnikami potomnymi drugi potomek: Linia krzyżowania Rodzic 2 Potomek 2 Z = X2 + X1 - Y1 k=0.25 Potomek 1 Rodzic 1 X1 19 KRZYŻ KRZYŻOWANIE HEURYSTYCZNE www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl X2 X1 • Nie jest krzyż krzyżowaniem uś uśredniają redniającym! • Generowanie liczby losowej k z zakresu (0,1); • Tworzy się się (maksymalnie) jednego potomka: Yi 1.20 1.30 1.0 2.0 1.1 3.22 3.22 3.22 1.20 3.20 3.40 1.31 Y = k (X2 - X1) + X2 przy zał założeniu, że f(X f(X2) ≥ f(X f(X1) X2 Potomek Rodzic 2 • Moż Może utworzyć utworzyć potomka, któ który nie jest dopuszczalny, wówczas: » generuje się się nową nową liczbę liczbę losową losową i tworzy nowego potomka; Linia krzyżowania Rodzic 1 » Jeś Jeśli po zał założonej liczbie pró prób nie utworzono osobnika dopuszczalnego, to nie tworzy się się potomka. X1 21 www.kwmimkm.polsl.pl MUTACJA RÓ RÓWNOMIERNA www.kwmimkm.polsl.pl • Losowy wybó wybór genu w chromosomie. TYPOWE OPERATORY MUTACJI • Przyję Przyjęcie przez gen wartoś wartości losowej (z rozkł rozkładem równomiernym) z zakresu dopuszczalnego dla danej zmiennej: Y = [X1, ..., X’k , ..., Xn], X’k = 〈 left(k), left(k), right(k) right(k) 〉 23 Szczegó Szczególnie uż użyteczna we wczesnej fazie dział działania AE (gdy pożą dane jest szerokie przeszukiwanie obszaru pożądane poszukiwań poszukiwań optimum). 24 MUTACJA NIERÓ NIERÓWNOMIERNA www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl • Funkcja Δ(t,y) przyjmuje wartości z zakresu [0,y]; • Należ Należy do grupy tzw. mutacji ze strojeniem. • Prawdopodobieństwo, że Δ(t,y) jest bliskie zero wzrasta ze wzrostem czasu obliczeń • Modyfikacja wartoś wartości wybranego genu o wartość wartość pewnej funkcji Δ(t,y): (nie zależ zależy jednak od zachowania się się AE). Δ(t,y) Δ(t,y) y y Y = [X1, ..., X’k , ..., Xn], gdzie: X’k =Xk + Δ〈(t, right(k)right(k)-Xk)〉 gdy wylosowano 0 0 X’k =Xk – Δ〈(t, Xk - left(k) left(k)〉 gdy wylosowano 1 25 MUTACJA BRZEGOWA www.kwmimkm.polsl.pl 1 k Począ Początkowa faza obliczeń obliczeń 0 k 1 Pod koniec dział działania AE MUTACJA GAUSSOWSKA 26 www.kwmimkm.polsl.pl • Przyję Przyjęcie przez wylosowany gen wartoś wartości losowej (z rozkł rozkładem Gaussa) o wartoś wartości oczekiwanej ró równej wartoś wartości przed zmianą zmianą: • Jest odmianą odmianą mutacji ró równomiernej, w któ której: X’k = left(k) left(k) gdy wylosowano 0 Y = [X1, ..., X’k , ..., Xn], X’k = right(k) right(k) gdy wylosowano 1 X’k = X’k +N(0,σ) • Szczegó Szczególnie uż użyteczna, gdy rozwią rozwiązanie optymalne leż leży na brzegu obszaru dopuszczalnego lub bardzo blisko tego brzegu). 27 ISTOTNOŚĆ ISTOTNOŚĆ OPERATORÓ OPERATORÓW www.kwmimkm.polsl.pl • W AG przyjmuje się się czę często, że krzyż krzyżowanie jest operatorem pierwszoplanowym, pierwszoplanowym, podczas gdy mutacja ma za zadanie zapewniać zapewniać „dopł dopływ śwież wieżej krwi” krwi” do populacji i jest operatorem o mniejszym znaczeniu. 28 www.kwmimkm.polsl.pl OPERATORY GENETYCZNE Z ADAPTUJĄ ADAPTUJĄCYMI SIĘ SIĘ PRAWDOPODOBIEŃ PRAWDOPODOBIEŃSTWAMI Użyteczność yteczność wię większoś kszości operatoró operatorów genetycznych nie jest jednakowa w każ każdej fazie dział działania algorytmu. Mechanizm adaptacji: • Prawdop. ciej prowadzą Prawdop. operatoró operatorów genetycznych, któ które częś częściej prowadzą do lepszych osobnikó osobników potomnych wzrasta kosztem operatoró operatorów mają mających gorsze wyniki. • Wśród badaczy uprawiają uprawiających programowanie ewolucyjne twierdzi się się, że krzyż krzyżowanie jest operatorem zbę dnym, zaś zaś mutacja jest jedynym zbędnym, mechanizmem przeszukiwania. • Należ Należy zadbać zadbać, aby nie zablokować zablokować żadnego z operatoró operatorów (prawdopodobień (prawdopodobieństwa nie powinny osią osiągać gać zera) • Potrzebny jest co najmniej jeden taki operator genetyczny, któ który gwarantuje spó spójność jność przestrzeni genotypó ciej mutacja. genotypów - operatorem tym jest najczęś najczęściej mutacja. 29 • Skuteczność Skuteczność dział działania operatora - oceniana przez zewnę zewnętrzny proces monitorują monitorujący któ który steruje prawdop. prawdop. operatoró operatorów. • Należ Należy uwzglę uwzględnić dnić w algorytmie korzyś korzyści wynikają wynikające z dział działania pewnych operatoró operatorów widoczne dopiero po kilku pokoleniach. pokoleniach. 30 www.kwmimkm.polsl.pl SFORMUŁ SFORMUŁOWANIE ZADANIA www.kwmimkm.polsl.pl • Wiele praktycznych problemó problemów podejmowania decyzji, projektowania itp. trudno jest sformuł sformułować ować jako zadanie optymalizacji funkcji celu zwracają zwracającej jedną jedną wartość wartość.. OPTYMALIZACJA WIELOKRYTERIALNA • Zamiast jednego liczbowego kryterium oceny musi się się uwzglę uwzględniać dniać cał cały ich zbió zbiór. • Nierzadko jednoczesna minimalizacja tych kryterió kryteriów jest niemoż niemożliwa z powodu ich wzajemnej sprzecznoś sprzeczności. ci. 31 www.kwmimkm.polsl.pl Formalnie: 32 Przykł Przykład: www.kwmimkm.polsl.pl Gra na gieł giełdzie papieró papierów wartoś wartościowych • Dany jest zbió zbiór (wektor) m funkcji: f (x) = [f [f1(x)...f )...fm(x)]. • Celem jest jednoczesna minimalizacja wszystkich kryterió kryteriów fj(x). • Z reguł reguły kryteria nie są są ze sobą sobą zgodne (minimalizacja wzglę względem jednego z nich moż może powodować powodować wzrost innych). • Cel: kupowanie akcji charakteryzują charakteryzujących się się minimalnym ryzykiem i jak maksymalnym zyskiem. zyskiem. • Z reguł reguły nie ma takich akcji, któ które speł spełniał niałyby oba kryteria jednocześ jednocześnie. • Rozwią Rozwiązanie x jest zdominowane wtedy i tylko wtedy gdy istnieje dopuszczalne rozwią rozwiązanie y nie gorsze od x (dla wszystkich kryterió kryteriów). • Należ Należy odrzucić odrzucić akcje, dla któ których istnieje co najmniej jedna inna charakteryzują charakteryzująca się się jednocześ jednocześnie mniejszym ryzykiem i wyż cią. wyższą szą rentownoś rentownością • Jeś Jeśli rozwią rozwiązanie nie jest zdominowane przez żadne inne rozwią rozwiązanie dopuszczalne to nazywamy je rozwią rozwiązaniem niezdominowanym lub rozwią rozwiązaniem paretooptymalnym. paretooptymalnym. • Akcje, któ które pozostał pozostały po takiej selekcji, są są równoprawnymi rozwią rozwiązaniami zadania jednoczesnej minimalizacji ryzyka i wspó współczynnika cena/zysk. cena/zysk 33 www.kwmimkm.polsl.pl Cel: Inwestowanie w akcje o jak najmniejszym ryzyku i jak najmniejszej wartoś wartości wspó współczynnika cena/zysk. www.kwmimkm.polsl.pl Zadanie optymalizacji wielokryterialnej polega na poszukiwaniu zbioru P punktó punktów niezdominowanych. niezdominowanych. Szczegó Szczególne przypadki: przypadki: ryzyko ryzyko 34 zbiór akcji niezdominowanych • Poszukiwanie niezdominowanego punktu; punktu; • Poszukiwanie zbioru punktó punktów niezdominowanych: niezdominowanych: • duż dużo trudniejsze i w ogó ogólnym przypadku niemoż niemożliwe do rozwią rozwiązania; • czę często spotyka się się uproszczenie, polegają polegające na znalezieniu moż możliwie najwię największej ich liczby). liczby). cena/zysk cena/zysk 35 36 www.kwmimkm.polsl.pl Metody optymalizacji wielokryterialnej www.kwmimkm.polsl.pl Metody optymalizacji wielokryterialnej A-priori: A-PRORI - decyzja podejmowana przed rozpoczęciem optymalizacji (pojedynczy cel uzyskany a priori). „Zwykłe” metody optymalizacji mogą być użyte.... • niski koszt Zalety obliczeniowy • proste w implementacji Interaktywne: • łatwo dostępne INTERAKTYWNE A-POSTERIORI • decydent • preferencje są • decydent „uczy • uzyskujemy więcej, • niezbędna • kosztowne nadzoruje proces optymalizacji się” problemu określane po fazie optymalizacji niż 1 rozwiązanie oprogramowanie - decyzja podejmowana podczas przeszukiwania. • wymagana Wymagana interakcja z użytkownikiem... Wady A-posteriori: (nierealistycznie) duża wiedza o problemie intensywna interakcja z decydentem • wymagana analiza • wynik zależny od - znalezienie zbioru rozwiązań niezdominowanych, następnie podjęcie decyzji co do wyboru rozwiązania. Konieczne metody optymalizacji wielokryterialnej... wrażliwości wiedzy decydenta obliczeniowo • potrzebna druga faza dla dokonania wyboru; • oprogramowanie nie jest tek powszechne. 37 www.kwmimkm.polsl.pl SKALARYZACJA ZAD. WIELOKRYTERIALNEGO 38 2. Wprowadzenie funkcji agregują agregującej. cej. www.kwmimkm.polsl.pl Sprowadzenie do problemu jednokryterialnego poprzez wprowadzenie dodatkowego kryterium, kryterium, porzą porządkują dkującego punkty niezdominowane. niezdominowane. • Argumenty – wartoś wartości poszczegó poszczególnych skł składnikó adników wektorowego wskaź wskaźnika jakoś jakości. 1. Okreś Określenie maksymalnych dopuszczalnych warwartoś tości poszczegó poszczególnych skł składnikó adników f s ( x ) = ϕ s [ f1 ( x ),.. f m ( x )]] • W wyniku - zagregowany, zagregowany, skalarny wskaź wskaźnik jakoś jakości f s(x), bę będący nastę następnie przedmiotem optymalizacji: • Problem wielokryterialny sprowadza się się do zagadniezagadnienia znalezienia dowolnego punktu dopuszczalnego. ϕs - funkcja funkcja agregują agregująca • Jedno z kryterió kryteriów moż może być być uznane za wiodą wiodące. ce. • Rozwią Rozwiązania poszukuje się się stosują stosując metody wł właściwe dla problemó problemów z ograniczeniami. 39 WAŻ WAŻONE SUMOWANIE SKŁ SKŁADNIKÓ ADNIKÓW WEKTOROWEGO WSKAŹ WSKAŹNIKA JAKOŚ JAKOŚCI www.kwmimkm.polsl.pl • Najczęś ciej stosowana technika skalaryzacji. Najczęściej skalaryzacji. • Funkcja agregują agregująca ϕs jest liniowa – w postaci sumy waż ważonej skł składnikó adników wektorowego wskaź wskaźnika jakoś jakości. m ϕ s [ f1 ( x ),.. f m ( x )]] = ∑ wk f k ( x ) k =1 • „Wycena” Wycena” poszczegó poszczególnych elementó elementów wektorowego wskaź wskaźnika jakoś jakości. • Moż Można zaakceptować zaakceptować pogorszenie jednego z kryterió kryteriów o pewną pewną wielkość wielkość,, jeś jeśli skompensują skompensują to korzyś korzyści wynikawynikające z poprawy wartoś wartości innych kryterió kryteriów; • Wzajemne proporcje korzyś korzyści i strat wynikają wynikają z przyję przyję-tych wspó współczynnikó czynników wagowych wk. 41 Zależ skalaryzacji, np.: np.: Zależnie od funkcji ϕs – różne metody skalaryzacji, 1. waż ważone sumowanie kryterió kryteriów, 2. metoda punktu idealnego, 3. metoda punktu najgorszych oczekiwań oczekiwań. METODA PUNKTU IDEALNEGO 40 www.kwmimkm.polsl.pl • Decydent podaje punkt, zwany idealnym, idealnym, znajdują znajdujący się się poza obszarem dopuszczalnym. Punkt ten to idealne wartoś wartości wektorowego wskaź wskaźnika jakoś jakości. y Zadanie optymalizacji wielokryterialnej sprowadza się się do znalezienia rozwią rozwiązań zań niezdominowanych znajduznajdujących się się najbliż najbliżej punktu idealnego. idealnego. y Funkcja agregują agregująca ma postać postać: ϕ s [ f1 ( x ),.. f m ( x )]] = f ( x ) − f i min(ϕ s ) - f i –punkt idealny - |⋅| – norma wektora. 42 www.kwmimkm.polsl.pl Metryka euklidesowa: f2(x) rozwiązanie zadania po skalaryzacji • W metodzie tej maksymalizuje się się odległ odległość od tzw. punktu najgorszych oczekiwań oczekiwań. obszar dopuszczalny rozw. niezdominowane rozw. niezdominowane f1(x) punkt idealny www.kwmimkm.polsl.pl METODA PUNKTU NAJGORSZYCH OCZEKIWAŃ OCZEKIWAŃ • Metoda dualna do metody punktu idealnego. f2(x) obszar dopuszczalny punkt idealny Metryka max: max(ϕ s ) MINIMA LOKALNE SKALARNEJ FUNKCJI CELU rozwiązanie zadania po skalaryzacji f1(x) • Zastosowanie metody skalaryzacji moż może prowadzić prowadzić do funkcji celu posiadają posiadającej wię więcej niż niż jedno minimum. Kształ Kształty zbioró zbiorów jednakowej wartoś wartości zagregowanej funkcji celu: 43 Ewolucyjne metody optymalizacji wielokryterialnej www.kwmimkm.polsl.pl • Wskazane jest wó wówczas zastosowanie jednej z metod optymalizacji wielomodalnej. wielomodalnej. www.kwmimkm.polsl.pl Popularne opularne AE optymalizacji wielokryterialnej: wielokryterialnej: • Zwykle bazują bazują na podejś podejściu Pareto; Pareto; • VEGA: Vector Evaluated Genetic Algorithm (Schaffer 1985), • Rozwią Rozwiązania powinny być być równomiernie rozmieszczone • HLGA: Hajela's and Lin's WeightingWeighting-based GA (1992), na froncie Pareto; Pareto; • AE przetwarzają przetwarzają jednocześ jednocześnie wiele rozwią rozwiązań zań, lecz problemem jest globalność globalność selekcji; • SPEA: The Strength Pareto EA (Zitzler (Zitzler,, Thiele 1999). (wspó (współczynnik zatł zatłoczenia, niszowanie itp.) • • FFGA: Fonseca's and Fleming's Multiobjective GA (1993), • NPGA: The Niched Pareto GA (Horn, Nafpliotis, Nafpliotis, Goldberg 1994), • NSGA: The Nondominated Sorting GA (Srinivas (Srinivas,, Deb 1994), • Należ Należy wprowadzić wprowadzić odpowiednie mechanizmy • 44 AE: AE: osobnik A jest lepszy od osobnika B jeś jeśli A ma wyż wyższe przystosowanie. • SPEA2 (Zitzler, Zitzler, 2001) 2001) • NSGANSGA-II (Deb (Deb i inni, 2000) 2000) tu: tu: osobnik A jest lepszy od osobnika B jeś jeśli go dominuje. np. np. NSGANSGA-II: II: www.kwmimkm.polsl.pl • Sortuje osobniki w fronty. www.kwmimkm.polsl.pl Sortowanie: Cel: wybrać wybrać N „najlepszych” najlepszych” spoś spośród 2⋅N osobnikó osobników • Stosuje się się „crowding distance” distance” jako kryterium dodatkowe. • Operatory: - mutacja ró równomierna - krzyż krzyżowanie proste - selekcja bazują bazująca na turniejowej Populacja rodzicielska Sortowanie „dominacyjne” dominacyjne” Nowa populacja front 1 N front 2 N … Populacja potomna N front 3 Sortowanie „crowding distance” distance” www.kwmimkm.polsl.pl Podział Podział na fronty: „Crowding distance” distance”: www.kwmimkm.polsl.pl • Dotyczy osobnikó cych do tego samego frontu. osobników należą należących • Jest to miara wolnej przestrzeni wokó wokół danego rozwią ęcej=lepiej). rozwiązania (wi (wię cej=lepiej). 2 kryterium (minimalizacja) • Skutkuje wyborem osobnikó osobników znajdują znajdujących się się w mniej zatł zatłoczonych rejonach. Front 3 Front 2 Front 1 (niezdominowane) niezdominowane) 1kryterium (minimalizacja)