ГОТОВЫЕ ДИПЛОМНЫЕ РАБОТЫ, КУРСОВЫЕ РАБОТЫ, ДИССЕРТАЦИИ И РЕФЕРАТЫ

Понятие генетического алгоритма
Автор	Юлия
Вуз (город)	Москва
Количество страниц	28
Год сдачи	2009
Стоимость (руб.)	1500
Содержание	Введение 3 Понятие генетического алгоритма 5 Генетические операторы 8 Фитнес-функция 12 Некоторые модели генетических алгоритмов 14 Genitor (Whitley) 14 CHC (Eshelman) 14 Hybrid algorithm (Davis) 15 Island Models 15 Выводы 17 Заключение 19 Литература 20 Приложение А 22
Список литературы	Литература 1. Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: The MIT Press, 1996 2. Thomas Back. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. Oxford: University Press, New York, 1996. 3. Аналитические технологии для прогнозирования и анализа данных // Нейропроект [Электронный ресурс]. – Режим доступа: - Загл. с экрана 4. Батищев Д.А. Генетические алгоритмы решения экстремальных задач. - Воронеж: Изд-во ВГТУ, 1995 5. Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев, С.А.Сергеев. – Харьков: Основа, 1997 6. Генетические алгоритмы - математический аппарат// Методы оптимизации [Электронный ресурс]. – Режим доступа: - Загл. с экрана 7. Генетические алгоритмы //Дискретная математика: алгоритмы[Электронный ресурс]: портал Санкт-Петербургского Государственного Университета информационных технологий, механики и оптики. – Режим доступа: - Загл. с экрана 8. Генетические операторы // Генетические алгоритмы [Электронный ресурс]. – Режим доступа: Загл. с экрана 9. Генетический алгоритм: основные операции // Генетические алгоритмы [Электронный ресурс]. – Режим доступа: Загл. с экрана 10. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. - М.:ФИЗМАТЛИТ, 2003 11. Исаев С. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов //Алголист [Электронный ресурс]. – Режим доступа: - Загл. с экрана 12. Клемент Р. Генетические алгоритмы: почему они работают? когда их применять? //Компьютерра. №11 от 16 марта 1999 г. - С.57-64 13. Математические методы и алгоритмы / Под ред. В.П.Иванникова. – М.: ИСП РАН, 2004 14. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. – М.: Горячая линия -Телеком, 2006 15. Тимченко С.В. Информатика - 4, Учебно – методическое пособие по курсовому проекту. – Томск, 2004 16. Эволюционные вычисления // GetInfo [Электронный ресурс]: портал Компьютерной библиотеки GetInfo. / Yuri Burger. – Режим доступа: . – Загл. с экрана.
Выдержка из работы	Введение Эволюционная теория утверждает, что каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. В процессе эволюции многие виды насекомых и рыб приобрели защитную окраску, еж стал неуязвимым благодаря иглам, человек стал обладателем сложнейшей нервной системы. Можно сказать, что эволюция - это процесс оптимизации всех живых организмов. Основной механизм эволюции - это естественный отбор. Его суть состоит в том, что более приспособленные особи имеют больше возможностей для выживания и размножения и, следовательно, приносят больше потомства, чем плохо приспособленные особи. При этом благодаря передаче генетической информации (генетическому наследованию) потомки наследуют от родителей основные их качества. Таким образом, потомки сильных индивидуумов также будут относительно хорошо приспособленными, а их доля в общей массе особей будет возрастать. После смены нескольких десятков или сотен поколений средняя приспособленность особей данного вида заметно возрастает. Неудивительно, что ученые, занимающиеся компьютерными исследованиями, обратились к теории эволюции в поисках вдохновения. Возможность того, что вычислительная система, наделенная простыми механизмами изменчивости и отбора, могла бы функционировать по аналогии с законами эволюции в природных системах, была очень привлекательна. Эта надежда стала причиной появления ряда вычислительных систем, построенных на принципах естественного отбора. Главная трудность с возможностью построения вычислительных систем, основанных на принципах естественного отбора и применением этих систем в прикладных задачах, состоит в том, что природные системы достаточно хаотичны, а все наши действия, фактически, носят четкую направленность. Мы используем компьютер как инструмент для решения определенных задач, которые мы сами и формулируем, и мы акцентируем внимание на максимально быстром выполнении при минимальных затратах. Природные системы не имеют никаких таких целей или ограничений, во всяком случае нам они не очевидны. Выживание в природе не направлено к некоторой фиксированной цели, вместо этого эволюция совершает шаг вперед в любом доступном ей направлении. Разработчик генетических алгоритмов выступает в данном случае как «создатель», который должен правильно установить законы эволюции, чтобы достичь желаемой цели как можно быстрее. В данной работе будет рассмотрена сущность генетических алгоритмов, а также такое направления их применения, как решение задачи оптимизации.