evolutionary-algorithm

3열

3답변

로컬 미니 마/맥시마 문제를 피하기 위해 시뮬레이트 된 어닐링과 같은 것을 사용하여 제안하는 기사와 기사를 여러 번 읽었습니다. 충분히 큰 임의의 인구로 시작한 경우 왜 이것이 필요한지 이해할 수 없습니다. 사실 초기 인구가 실제로 충분히 크고 무작위 적이라는 것을 확인하는 또 다른 검사입니까? 아니면 그 기술이 "좋은"초기 인구를 생산하는 것의 대안일까요

3열

1답변

이미지 모자이크 생성기 작성 방법

작업은 다음과 같습니다. 많은 수의 이미지에서 선택한 그림 모자이크를 만드는 방법. 첫 번째 시도는 진화 알고리즘을 사용합니다. genotype은 원본 이미지를 모자이크 그리드의 위치에 매핑하는 것을 나타내며, 개체는 원본 그림과의 유사성에 따라 평가됩니다. 사실 기본 접근 방식에서는 각 타일을 개별적으로 처리 할 수 있으므로 그리드를 반복하고 최상의

12열

3답변

유전자 발현 프로그래밍과 데카르트 유전 프로그래밍의 차이점

진화 컴퓨팅에서 꽤 짜증나는 것은 약간 다른 개념들이 서로 다른 이름을 뚜렷이 구별하는 경향이 있다는 것입니다. 이 때문에 최근의 혼란은 유전자 발현 프로그래밍이 데카르트 유전 프로그래밍과 매우 유사하다는 것입니다. (근본적으로 다른 개념입니까? 저는 GP 지침의 간접 인코딩이 효과적인 기술이라는 것을 읽었습니다 (GEP와 CGP 모두 그렇게 함). 간접

1열

1답변

동적 그래프 그리기 (직각)

주어진 순간에 노드 집합으로 구성된 그래프가 있습니다. 이 그래프는 시간 경과에 따라 전개 될 수 있는데, 즉 노드와 노드 자체 사이의 관계가 변경 될 수있다. 도면은 직각입니다. 그래프의 전개도를 그려보고 싶습니다. 즉, 다른 순간에 그래프의 이미지를 그려서 비슷한 그림을 순간부터 다음 그림으로 이동하려고합니다. 많은 그래프 레이아웃 알고리즘이 하나의 노

5열

3답변

TSP 문제에 대해 GA 운영자에게 제안 하시겠습니까?

나는 여행 세일즈맨 문제를 해결하기 위해 유전자 알고리즘을 만들고 있습니다. 불행히도, 나는 1000 대 이상을 유지할 수있는 봉우리를 치고 돌연변이를 일으키고 더 나은 결과를 얻습니다. 이 경우 교차 및 돌연변이 연산자가 일반적으로 잘하는 것은 무엇입니까?

2열

1답변

Eclipse에서 Java 구성 설정. 여러 개의 .param 파일

유전 프로그래밍에 대해 ECJ을 사용할 예정이며 수년 동안 자바를 사용하지 않았습니다. 나는 이클립스 환경을 설정하는 중이고 몇 가지 문제가있다. ECJ 소스에는 여러 패키지가 있으며 여러 샘플 프로그램이 함께 제공됩니다. 실행 구성으로 가서 프로그램 인수에 -file pathToParamsFile을 추가하여 하나의 샘플 프로그램 (tutorial1)을 실

1열

1답변

개별 스텝 사이즈를 사용한 진화 전략

저는 30 차원 최소화 문제에 대한 진화 전략을 사용하여 좋은 해결책을 찾으려고합니다. 이제는 단순한 (1,1) ES 및 자체 적응 형 (1, 람다) ES를 한 단계 크기로 성공으로 개발했습니다. 다음 단계는 차원 당 개별 스텝 크기가있는 (1, 람다) ES를 만드는 것입니다. 문제는 내 MATLAB 코드가 아직 작동하지 않는다는 것입니다. 나는 구 목적

0열

1답변

번호를 보내지 않고 유전 프로그래밍에서 코드를 개인에게 전달 했습니까? ECJ

자바로 ECJ를 사용하고 있습니다. 나는 모두 같은 뇌를 갖고 싶어하는 군대를 가지고 있습니다. 기본적으로 GP를 사용하여 두뇌를 진화시키고 싶습니다. if 문에는 "if-on-enemy-territory"과 "if-sense-target", 터미널에는 "go-home"또는 "move-randomly"또는 "shoot"이 필요합니다. 그러나 이러한 명령문은

1열

2답변

시뮬레이션 어닐링으로 진화 알고리즘이 저하되는 문제 : 돌연변이가 너무 작습니까?

진화 알고리즘을 이해하는 데 문제가 있습니다. 나는이 기술을 여러 번 사용해 보았지만 같은 문제에 항상 직면했다 : 시뮬레이션 어닐링으로의 퇴보. 짝짓기와 돌연변이 난이 (7), B (9), C (14), D (19) 후 : 이며, 괄호 안에 피트니스와 함께, 내 초기 인구를 말할 수 다음 어린이 : AB (8.3), AC (12.2), AD (14.1),

1열

3답변

multiknapsack 문제에 대한 유전자 알고리즘을 개선했습니다.

최근에 저는 multiknapsack 문제에 대한 전통적인 유전 알고리즘을 개선해 왔습니다. 그래서 제 개선 된 유전자 알고리즘은 전통적인 유전 알고리즘보다 잘 작동합니다. 나는 시험했다. (나는 GA 라이브러리를 테스트하기 위해 OR 라이브러리 (http://people.brunel.ac.uk/~mastjjb/jeb/orlib/mknapinfo.html)