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

Crossover fraction
в 0 и кликнуть мышкой на кнопку 
Start
. В 
результате выполнения такой команды получим наилучшее значение 
функции пригодности примерно равное 3,5 и следующие типы 
графических зависимостей. 
В данном случае в результате стохастических операций в алгоритме не 
возникают какие-либо улучшения значений пригодности для 
наилучших индивидуализированных объектов первого поколения. 
Поскольку происходит улучшение геномов индивидуумов и для других 

---

А.Е. Кононюк Дискретно-непрерывная математика 
395 
индивидуализированных объектов, как это можно отследить из 
верхней графической зависимости по уменьшению среднего значения 
функции пригодности, то эти улучшенные геномы не участвуют в 
комбинациях с геномами наилучших индивидуализированных 
объектов вследствие отсутствия операции кроссовера. Как результат 
всего этого, график наилучшей пригодности выходит на некий уровень 
и алгоритм останавливается при числе генераций равном 50. 
6.6.10. Сравнение результатов с фракциями измененных после 
операции кроссовера
С помощью включенной в данный тулбокс демонстрационной 
программы deterministicstudy.m имеется возможность провести 
сравнение результатов использования Генетического алгоритма для 
оптимизации функции Растригина с установками параметра Crossover 
fraction в 0, .2, .4, .6, .8 и 1. Демонстрационная программа выполняется 
для 10 поколений. Для каждого поколения в программе 
воспроизводится графическая зависимость средних и стандартных 
отклонений для значений наилучшей пригодности для всех 
предшествующих поколений и для каждого значения параметра 
Crossover fraction. 
Для выполнения демонстрационной программы следует ввести 
команду 
deterministicstudy 
в командном окне MATLAB. По окончании демонстрационной 
программы отобразятся следующие графические зависимости. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
396 
На нижнем графике приведены средние величины и стандартные 
среднеквадратичные отклонения значений функции пригодности для 
10 поколений применительно для каждого из значений кроссоверной 
функции. На верхнем графике представлена цветовая кодировка для 
значений наилучшей пригодности в каждом поколении. 
Для выбранного вида функции пригодности установка параметра 
Crossover fraction в 0,8 дает наилучшие результаты. Тем не менее, для 
других видов функции пригодности установка различные значений 
параметра Crossover fraction может дать более лучшие результаты.