Алгоритмы формирование функции пригодности (1088201), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Построим в пространстве f точки:, , ,

Для генерации массива родителей построим скалярную функцию пригодности

Для определения вероятности выбора ТТО в родители строим интервал :

Формирование функции пригодности в генетическом алгоритме поиска множества гарантирующих стратегий коалиции в условиях неопределенности.

Данный ГА применяется для реализации этапа 1 комбинированной вычислительной процедуры.

Фиксируем коалицию .

Шаг 1. Определяем параметр - максимальное количество поколений тестовых точек-особей (ТТО) – «потомков». Полагаем - номер поколения ТТО.

Шаг 2. Генерация популяции ТТО .

Шаг 3. Генерация популяции ТТО .

Шаг 4. Генерация популяции ТТО: .

Шаг 5. Полагаем .

Шаг 6. Сформируем таблицу значений векторного показателя эффективности коалиции

. (21)

По таблице (21) вычисляем точку предельной неэффективности вида (6)-(8).

Шаг 7. Полагаем . Если , то переходим к шагу 6. Иначе переходим к шагу 8.

Шаг 8. Осуществляем оценку всех , , относительно конуса доминирования . Для этого строим конус доминирования с вершиной в точке и при фиксированном проверяем выполнение условия

(22)

для всех , .

Обозначим - количество точек , в которых выполняется условие (22).

Шаг 9. Вычисляем функцию пригодности вида

, (23)

где - параметр, влияющий на скорость сходимости алгоритма.

Функция пригодности (23) обладает следующими свойствами.

1. Максимальное значение функции пригодности . Достигается при . Это означает, что стратегия обладает наилучшими гарантирующими свойствами в пределах популяций ТТО , , .

2. Минимальное значение функции пригодности . Достигается при . В этом случае стратегия обладает наихудшими гарантирующими свойствами в пределах популяций ТТО , , .

Шаг 10. Если , то переходим к шагу 11. Иначе переходим к шагу 14.

Шаг 11. С учетом значений функции пригодности (20) по известным правилам формируем из популяции массив ТТО-«родителей».

Шаг 12. Применяем к массиву ТТО-«родителей» последовательно генетические операторы кроссовера, мутации, инверсии (основанные на кодировании популяций ТТО с помощью бинарного кода Грея). В результате получаем новое поколение ТТО-«потомков».

Шаг 13. Полагаем . Переходим к шагу 3.

Шаг 14. Построение множества

. (24)

С этой целью строится подмножество , для которого при любых .

Полагаем, что аппроксимация множества гарантирующих стратегий коалиции

Характеристики

Список файлов лекций