Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
23246.doc
Скачиваний:
3
Добавлен:
01.04.2025
Размер:
326 Кб
Скачать
☆

Заключение

Мы с вами проделали большой путь, открывая для себя генетические алгоритмы, их, казалось бы, тривиальную и одновременно с этим гениальную идею, взятую из природы. В ходе изучения мы многократно указывали на достоинства и недостатки генетических алгоритмов. Среди наиболее значимых положительных сторон, можно отметить:

Первый случай: когда не известен способ точного решения задачи. Если мы знаем, как оценить приспособленность хромосом, то всегда можем заставить генетический алгоритм решать эту задачу.

Второй случай: когда способ для точного решения существует, но он очень сложен в реализации, требует больших затрат времени и денег, то есть, попросту говоря, дело того не стоит. Пример - создание программы для составления персонального расписания на основе техники покрытия множеств с использованием линейного программирования.

Что же касается недостатков, то в общем случае генетические алгоритмы не находят оптимального решения очень трудных задач. Если оптимальное решение задачи (например, задача коммивояжера с очень большим числом городов) не может быть найдено традиционными способами, то и генетический алгоритм вряд ли найдет оптимум

Наряду с генетическими алгоритмами известны и другие методы решения задач оптимизации, основанные на природных механизмах, такие как моделирование отжига (simulated annealing) и табу-поиск (taboo search). Но эффект случайности, который безусловно присутствует при решении генетическим алгоритмом, очень воодушевляет.

Несмотря на небольшое количество задач, которое мы с вами рассмотрели: решение Диофантова уравнения и задачу коммивояжера, мы полностью подтверждаем нашу гипотезу. Задачи оптимизации (и не только) успешно решаются при помощи генетических алгоритмов.

Библиография

  1. Вентцель Е.С. «Исследование операций», - М.: 1972 г.

  2. Гальцына О.Л., Попов И.И. «Основы алгоритмизации и программирования».

  3. Грешилов А.А. «Как принять наилучшее решение в реальных условиях», - М.: 1991 г., стр. 164-170

  4. Корнеев В.В., Гареев А.Ф. «Базы данных. Интеллектуальная обработка данных», М.: 2001г., стр. 220

  5. Коршунов Ю.М. «Математические основы кибернетики. Для студентов вузов», - М.: 1987 г., стр. 67-89

  6. Леонов О.И. «Теория графов».

  7. Майника Э., «Алгоритмы оптимизации на сетях и графах.» - М.: 1981

  8. Новиков Ф.А. «Дискретная математика для программистов».

  9. «Генетические алгоритмы: почему они работают?»/ Компьютерра, № 11, 1999 год

  10. Де Джонг К. А. Введение ко второму специальному выпуску по генетическим алгоритмам. Машинное обучение, №5(4), с. 351-353

  11. Электронные источники:

  12. «Генетические алгоритмы по-русски» - http://www.chat.ru/~saisa

  13. «Нейропроект. Аналитические технологии XXI века» - http://www.neuroproject.ru

  14. «Научное издательство ТВП» - http://www.tvp.ru/mathem3.htm

  15. «Факультет вычислительной математики и кибернетики МГУ (ВМиК)» - http://cmc.cs.msu.su/labs/lvk/materials/tez_sapr99_1.html

  16. «Neural Bench Development» - http://www.neuralbench.ru/rus/theory/genetic.htm

  17. «Журнал "Автоматизация Проектирования"» - http://www.opensystems.ru/ap/1999/01/08.htm

  18. «(EHIPS) Генетические алгоритмы» - http://www.iki.rssi.ru/ehips/genetic.htm

  19. «SENN Генетические Алгоритмы» - http://fdmhi.mega.ru/ru/senn_ga.htm

  20. Хорева Е.В. Курсовая работа. Тема «Применение генетических алгоритмов для решения задач оптимизации»-КГПУ.: 2007г.

  21. «Лекции по нейронным сетям и генетическим алгоритмам» - http://infoart.baku.az/inews/30000007.htm

34