Дискретно-непрерывная математика. Кн. 0 : Алгоритмы. Ч. Генетические алгоритмы

FlexTool
обычный 
генетический алгоритм 
(regular). 
Однако необходимо отметить, что 
при его использовании на популяциях малой размерности с 
вероятностями скрещивания и мутации, соответственно равными 1 и 0, 
а также при выполнении селекции методом рулетки (так, как в примере 
2) несьма часто встает проблема преждевременной сходимости этого 
алгоритма. Результат значительно улучшается, если вероятность 
мутации отличается от нуля (например, если она принимается равной 
0,1). Несмотря на то, что мутация играет определенно второстепенную 
роль по отношению к скрещиванию, она оказывается необходимой, 
поскольку обеспечивает разнообразие хромосом в популяции. 
Следует еще раз подчеркнуть, что при выполнении генетического ми-
кроалгоритма разнообразие в популяции достигается благодаря про-
цедуре рестарта алгоритма в случае обнаружения его сходимости. В 
этом случае мутация оказывается излишней.
Следующий пример относится к задаче, похожей на задачу примера 
4.1. Минимизируется та же функция, однако переменная 
х
принимает 
действительные значения из интервала [-5, 5]. По этой причине 
пространство поиска оказывается большим, чем в примере 4.1. Для 
решения данной задачи применим обычный генетический алгоритм 
программы 
FlexTool 
и селекцию методом рулетки. Заметим, что этот 
метод, который пригоден и для селекции в случае максимизации 

---

А.Е. Кононюк Дискретно-непрерывная математика 
177 
функции, в программе 
FlexTool 
может использоваться только для 
задач минимизации. Это обусловлено адаптацией программы к 
требованиям пользователей, которые чаще решают задачи миними-
зации (например, погрешностей, затрат и т.п.), чем задачи максимиза-
ции.