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

 
Рис. 4.27. 
Графики, показывающие значения функции приспособленности с третьего по 
восьмое поколение в генетическом алгоритме с селекцией методом рулетки из примера 
4.7. 
 
Рис. 4.28. 
Графики, показывающие значения функции приспособленности с десятого по 
шестнадцатое поколение в генетическом алгоритме с селекцией методом рулетки из 
примера 4.7. 
 

---

А.Е. Кононюк Дискретно-непрерывная математика 
198 
«Наилучшее» значение функции приспособленности в 70 поколениях 
равно 0,0038, а начиная с 83 поколения оно составляет 0,0009. 
«Наилучшей» особью оказалась хромосома со значениями фенотипов -
2,80 и 3,13. Таким образом, в этом эксперименте была найдена другая 
точка с координатами (-2,80, 3,13), в которой минимизируемая 
функция принимает нулевое значение.
Попытки поиска других оптимальных точек, соответствующих 
«наилучшему» решению, можно продолжать с применением того же 
алгоритма либо с использованием альтернативных методов селекции. 
Иногда такие попытки приходится повторять по несколько раз, если 
они приводят к полученным ранее решениям.
Пример 4.8
С помощью генетического алгоритма программы 
FlexTool 
найти 
минимум и максимум функции
f(x
1
,x
2
) = 2(1-x
1
)
2
e
2
2
2
1
1
)
x
(
x



-7(
3
1
x
-x
1
3
-х
2
2
)е
2
2
2
1
x
x


-
5
1
е
2
2
2
1
1
x
)
x
(



для х
1
, х
2

[-3, 3] с точностью до 0,01.
График оптимизируемой функции представлен на рис.4.29.