ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ

Podobne dokumenty
Algorytm genetyczny (genetic algorithm)-

Algorytmy genetyczne w optymalizacji

SZTUCZNA INTELIGENCJA

Definicja problemu programowania matematycznego

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne

Algorytmy genetyczne

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

Obliczenia ewolucyjne - plan wykładu

Algorytmy ewolucyjne. wprowadzenie

Aproksymacja funkcji a regresja symboliczna

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA

Strefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2

Algorytmy genetyczne

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009

Optymalizacja. Przeszukiwanie lokalne

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Wielokryteriowa optymalizacja liniowa

Schemat programowania dynamicznego (ang. dynamic programming)

Algorytmy metaheurystyczne Wykład 6. Piotr Syga

Algorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Metody Rozmyte i Algorytmy Ewolucyjne

6. Klasyczny algorytm genetyczny. 1

Algorytmy ewolucyjne

Podejście memetyczne do problemu DCVRP - wstępne wyniki. Adam Żychowski

Programowanie liniowe

Plan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

Dobór parametrów algorytmu ewolucyjnego

Metody systemowe i decyzyjne w informatyce

Algorytmy ewolucyjne optymalizacji wielokryterialnej sterowane preferencjami decydenta

Optymalizacja ciągła

Algorytmy stochastyczne, wykład 02 Algorytmy genetyczne

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

Metody przeszukiwania

SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Analiza wielokryterialna

Metody systemowe i decyzyjne w informatyce

6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie

Algorytmy genetyczne

Zadania laboratoryjne i projektowe - wersja β

Spis treści WSTĘP... 9

METODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne

Zadanie 5 - Algorytmy genetyczne (optymalizacja)

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2011, Oeconomica 285 (62), 45 50

Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach

Algorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7

ALGORYTMY GENETYCZNE ćwiczenia

Wielokryteriowa optymalizacja liniowa cz.2

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

Algorytmy ewolucyjne. Łukasz Przybyłek Studenckie Koło Naukowe BRAINS

Algorytmy ewolucyjne 1

METODY HEURYSTYCZNE wykład 3

Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L.

Metody Rozmyte i Algorytmy Ewolucyjne

1 Programowanie całkowitoliczbowe PLC

Optymalizacja ciągła

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA HISTORIA NA CZYM BAZUJĄ AG

Programowanie liniowe metoda sympleks

Strategie ewolucyjne (ang. evolu4on strategies)

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

Optymalizacja. Wybrane algorytmy

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Optymalizacja. doc. dr inż. Tadeusz Zieliński r. ak. 2013/14. Metody komputerowe w inżynierii komunikacyjnej. ograniczenie kosztów budowy.

Rój cząsteczek. Particle Swarm Optimization. Adam Grycner. 18 maja Instytut Informatyki Uniwersytetu Wrocławskiego

Optymalizacja ciągła

Programowanie liniowe metoda sympleks

SVM: Maszyny Wektorów Podpieraja cych

Programowanie liniowe. Tadeusz Trzaskalik

Równoważność algorytmów optymalizacji

przetworzonego sygnału

Strategie ewolucyjne. Gnypowicz Damian Staniszczak Łukasz Woźniak Marek

SZTUCZNA INTELIGENCJA

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI

Optymalizacja konstrukcji

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Programowanie liniowe metoda sympleks

Wykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

Techniki optymalizacji

Techniki Optymalizacji: Stochastyczny spadek wzdłuż gradientu I

Generowanie i optymalizacja harmonogramu za pomoca

Programowanie liniowe całkowitoliczbowe

Wykład XII. optymalizacja w relacyjnych bazach danych

Wprowadzenie do badań operacyjnych - wykład 2 i 3

ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.

Wybrane podstawowe rodzaje algorytmów

Techniki optymalizacji

Wymagania kl. 3. Zakres podstawowy i rozszerzony

Problemy z ograniczeniami

Badania operacyjne egzamin

Rozdział 9 PROGRAMOWANIE DYNAMICZNE

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?

Transkrypt:

ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar dopuszczalny niespójny itp. Można je wykorzystać do rozwiązania każdego problemu optymalizacyjnego, tzn. problemu z ciągłymi, dyskretnymi, całkowitymi i mieszanymi zmiennymi decyzyjnymi.

Ogólne sformułowanie jednokryterialnego problemu optymalizacji: Znajdź wektor zmiennych decyzyjnych: x * = [x 1 *, x 2 *,..., x n * ] T spełniający: K ograniczeń nierównościowych g k (x) 0 k = 1,2,. K M ograniczeń równościowych h m (x) = 0 m = 1,2,. M i minimalizujący funkcję celu f(x) f(x * ) = min. f(x) oraz: g k (x * ) 0 k = 1,2,. K h m (x * ) = 0 m = 1,2,. M

FUNKCJA CELU I FUNKCJA PRZYSTOSOWANIA Odwzorowanie funkcji celu na funkcję przystosowania (skalowanie funkcji celu): Selekcja: proporcjonalna: skalowanie jest konieczne. turniejowa i rankingowa: skalowanie jest nieistotne.

Metody odwzorowania funkcji celu na funkcję dopasowania w przypadku selekcji proporcjonalnej: Sposób najprostszy: wykorzystanie dodatniej stałej i określenie funkcji przystosowania w postaci: gdzie : f ' ( x) C f ( x ) C f( x ) dla wszystkich x, lub t j - w iteracji t C max.{ f ( x )} j J J wielkość populacji

Statyczne skalowanie liniowe f ' ( x ) a f ( x) b a,b stałe parametry dla wszystkich iteracji. Dynamiczne skalowanie liniowe f ' t ( x ) a f ( x) b t a stały parametr dla wszystkich iteracji, b t parametr ustalany w każdej iteracji.

Metoda obcięcia f t '( x ) f ( x) [ ~ f ( x) c ] c stała - odchylenie standardowe populacji. ~ f ( x ) - wartość średnia dopasowania w populacji.

Skalowanie wykładnicze t f t f '( x) ( x) - wykładnik potęgi bliski jedności, np. 1.005 Skalowanie logarytmiczne f ( x) b log[ f ( x )] ' t t b stała większa od każdej wartości log[ ft ( x )]

Metoda ruchomej bazy (windowing) f ( x) f ( x ) f ' t t w w - szerokość okna (zwykle 2 10). f - najgorsza wartość w ostatnich w iteracjach. w

Normalizacja Problem maksimum: f ' t ft ( x) f ( x ) f f max min min Problem minimum: f ' t f f max t ( x ) max f ( x) f min

Selekcja turniejowa i rankingowa: skalowanie jest nieistotne.

UWZGLĘDNIANIE OGRANICZEŃ Znajdź wektor: x * minimalizujący funkcję celu: f(x) oraz spełniający K ograniczeń nierównościowych: g k (x) 0; M ograniczeń równościowych: h m (x) = 0. Operacje przeprowadzane losowo na chromosomach mogą generować rozwiązania niedopuszczalne (tzn. leżące poza obszarem dopuszczalnym wyznaczonym przez ograniczenia).

Metody generujące rozwiązania w obszarze dopuszczalnym: Metoda odrzucania W każdej iteracji chromosomy zawierające rozwiązania niedopuszczalne są odrzucane. (Działa skutecznie gdy obszar dopuszczalny zajmuje większa część całkowitej przestrzeni przeszukiwań.)

Metoda poprawiania W każdej iteracji chromosomy zawierające rozwiązania niedopuszczalne są reperowane, tak aby zawierały rozwiązania z obszaru dopuszczalnego. (Strategia reperowania zależy od natury problemu i często jest bardziej skomplikowana niż rozwiązywany problem)

Metoda funkcji kary Przeniesienie na grunt algorytmów ewolucyjnych techniki stosowanej w konwencjonalnych metodach optymalizacyjnych (rozwiązania spoza obszaru dopuszczalnego są karane przy wykorzystaniu współczynnika kary). Zasada generalna: problem z ograniczeniami jest transformowany do problemu bez ograniczeń, w wyniku włączenia ograniczeń do rozszerzonej funkcji celu: ( x, r) f ( x) r{ M m 1 [ h m ( x)] 2 K k 1 G k [ g k ( x)] 2 } r G k współczynnik kontrolujący wielkość członu kary - operator Heaviside = 0 gdy g k (x)>= 0 oraz = 1 gdy g k (x)<0.

SELEKCJA TURNIEJOWA W PROBLEMACH OPTYMALIZACJI Z OGRANICZENIAMI Jedna z najbardziej efektywnych metod rozwiązania zadania programowania nieliniowego z ograniczeniami.

Operator selekcji turniejowej: W selekcji biorą udział dwa chromosomy populacji rodzicielskiej. (i) Jeżeli oba chromosomy są z obszaru niedopuszczalnego, to do populacji tymczasowej wybierany jest chromosom położony bliżej obszaru dopuszczalnego (na podstawie oceny odległości od brzegu obszaru dopuszczalnego). Ocena odległości od obszaru dopuszczalnego: M m 1 ( x ) [ h ( x)] G [ g ( x)] m 2 K k 1 k k 2 W obszarze dopuszczalnym ( x ) 0. W obszarze niedopuszczalnym ( ) 0 x. Dla żadnego z chromosomów nie oblicza się wartości funkcji celu.

(ii) Jeżeli jeden chromosom jest z obszaru dopuszczalnego, a drugi z obszaru niedopuszczalnego, to do populacji tymczasowej wybierany jest chromosom należący do obszaru dopuszczalnego. Dla żadnego z chromosomów nie oblicza się wartości funkcji celu. (iii) Jeżeli oba chromosomy są z obszaru dopuszczalnego, to dla obu oblicza się wartość funkcji przystosowania i do populacji tymczasowej przechodzi chromosom o lepszej wartości tej funkcji.