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

 
Рис.4.6. 
График функции 
f(x) 
из примера 4.4. 
Для нахождения глобального минимума на интервале от -1 до 2 
применяется (так же, как и в примере 4.3) генетический алгоритм с 
турнирной селекцией в подгруппах по две особи. Выполняется од-
ноточечное скрещивание с вероятностью 0,77; вероятность мутации 
равна 0,0077. Размерность популяции увеличена до 55. Длина хромо-
сом в этом случае составляет 15 битов. Графики, демонстрирующие 
изменения значений функции приспособленности при смене первых 
четырех поколений, по аналогии с примером 4.3 изображены на 
рис.4.7, а графики последующих изменений - на рис.4.8. 
Рис.4.7. 
Графики, 
показывающие 
значения 
функции 
приспособленности для первых четырех поколений в генетическом 
алгоритме программы 
FlexTool 
из примера 4.4. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
184 
Рис.4.8. 
Графики, 
показывающие 
значения 
функции 
приспособленности с третьего по восьмое поколение в генетическом 
алгоритме программы 
FlexTool 
из примера 4.4. 
«Наилучшее» решение дает хромосома со значением фенотипа 1,85, 
для которой функция приспособленности равна -0,8503. Это решение 
получено в десятом поколении. В таблицу 4.2 собраны «наилучшие» 
значения функции приспособленности на первых десяти итерациях 
алгоритма.
 
Таблица 4.2.
«Наилучшее» значение функции приспособленности для 
первых десяти поколений генетического алгоритма программы 
FlexTool 
для примера 4.4

---

А.Е. Кононюк Дискретно-непрерывная математика 
185 
Значение фенотипа хромосомы с «наилучшим» значением функции 
приспособленности для второго поколения равно 1,645, а для 
четвертого и последующих поколений - 1,85.