Главная > Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

1.2. Генетические операторы

Те механизмы передачи наследственности, которые действуют в Природе, и упрощенная форма которых положена в основу того, что мы называем генетическими операторами, на самом деле, следует рассматривать как победителей, одержавших верх в напряженной многовековой борьбе над конкурентами и отшлифованных естественным отбором в такой же мере, как и все, что нас окружает. Сегодня понятно, что генетические операторы могли быть заимствованы не только из микробиологических исследований, но и из анализа языковых явлений (достаточно проанализировать

комбинаторные эвристики, применяемые человеком при решении кроссвордов) или изобретательской деятельности [4]. Но это сегодня; а двадцать лет назад нужно было обладать гениальностью Дж. Холланда, чтобы догадаться, как интерпретировать принципы действия "биологических" механизмов для решения задач адаптации в искусственных системах.

Едва ли не главным итогом почти четвертьвекового периода исследования самих ГА стало понимание прекрасной взаимной комплиментарности триады генетических операторов «кроссовер — мутация — инверсия». Воздействуя с некоторой вероятностью на генотипы родительских особей, каждый из них, с одной стороны, обеспечивает передачу потомству жизненно важных признаков, а с другой — поддерживает на протяжении эволюционно значимого периода достаточно высокий уровень его изменчивости. Выщепление в потомстве новых, отличных от родительских, фенотипических признаков открывает для популяции дополнительные возможности для адаптации, то есть способствует сохранению ею поисковой способности.

Итак, оператор мутации (см. рис. 4), подобно точечным мутациям в Природе, интерпретируется как замена существующего аллельного состояния отдельного гена в хромосоме на противоположное (единицы — на ноль и наоборот). Очевидно, что в зависимости от того, в каком разряде фрагмента, кодирующего переменную, произойдет мутация, зависит величина расстояния, отделяющего потомка от родителя (речь идет не о хэмминговом


Рис. 4. Триада генетических операторов

У всех трех операторов место приложения, помеченное значком выбирается случайно

пространстве где это расстояние равно 1, а о пространстве вещественных чисел N). Инверсия приводит к нарушению порядка следования фрагментов хромосом у потомка по сравнению с родительской хромосомой. Наконец, кроссовер, описывающий механизм гаметогенеза в диплоидных популяциях организмов и привнесенный Холландом в моделирование эволюции гаплоидных популяций, приводит к тому, что хромосома потомка включает два фрагмента, один из которых принадлежал ранее, условно говоря, отцовской хромосоме, а другой — материнской. Именно благодаря наличию кроссоверных обменов особи популяции обмениваются между собой генетической информацией, то есть поиск приобретает действительно коллективный характер.

Иногда, говоря о триаде генетических операторов, подчеркивают способность кроссовера и инверсии к глобальному поиску, в то время как мутацию отождествляют со средствами локальной настройки решения, отводя ей фоновую роль. Такое распределение ролей представляется спорным, так как мутация может породить потомка далеко за пределами локального экстремума, в которой находится родитель, с другой стороны, кроссовер, проведенный над гаметами родителей, расположенных в общем экстремуме, наверняка породит потомков в этом же экстремуме. Важно другое — ни кроссовер, ни мутация не опираются в процессе генерирования потомка на знание локального рельефа поверхности целевой функции. В этом смысле их можно считать глобальными.

Categories

1
Оглавление
email@scask.ru