Skuteczna realizacja AG

Slides:



Advertisements
Podobne prezentacje
ESTYMACJA PRZEDZIAŁOWA
Advertisements

Metody badania stabilności Lapunowa
Algorytmy genetyczne.
Egzamin.
„Wielokryterialna optymalizacja pracy systemu wytwarzania o strukturze przepływowej – algorytm memetyczny” Przygotował: Dominik Żelazny, IIAR.
PRĄDU SINUSOIDALNIE ZMIENNEGO
Inteligencja Obliczeniowa Metody oparte na podobieństwie do wzorców.
Metody rozwiązywania układów równań liniowych
Krzysztof Skabek, Przemysław Kowalski
Równania i nierówności z wartością bezwzględną
Algorytmy ewolucyjne Termin EC (Evolutionary Computation) obliczenia ewolucyjne obejmuje wiele technik obliczeniowych kluczowym elementem jest model procesów.
Katedra Informatyki Stosowanej UMK
Zakład Mechaniki Teoretycznej
Przekształcenia afiniczne
Algorytmy genetyczne Motto:
Metody ekonometryczne
WARTOŚĆ BEZWZGLĘDNA I PRZEDZIAŁY
Nieelitystyczne algorytmy ewolucyjnej optymalizacji wielokryterialnej
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Pakiety statystyczne Maciej Szydłowski (dr)
Opracował: dr inż. Michał Krzemiński
Rozpoznawanie obrazów
Paweł Kramarski Seminarium Dyplomowe Magisterskie 2
Algorytmy genetyczne - plan wykładu
Algorytmy genetyczne - plan wykładu
Algorytmy genetyczne - plan wykładu
Linear Methods of Classification
Algorytmy genetyczne.
Algorytmy genetyczne.
Hipoteza cegiełek, k-ramienny bandyta, minimalny problem zwodniczy
Systemy Wspomagania Decyzji
Algorytmy Genetyczne Wprowadzenie.
Algorytm genetyczny.
Testowanie hipotez statystycznych
Analiza współzależności cech statystycznych
Przegląd podstawowych algorytmów
Metody Lapunowa badania stabilności
Własności funkcji liniowej.
Prognozowanie z wykorzystaniem modeli ekonometrycznych
II. Matematyczne podstawy MK
Marcin Jaruszewicz Jacek Mańdziuk
EXCEL Wykład 4.
Kilka wybranych uzupelnień
Na początek kilka pojęć z arkusza
Tablice w Turbo Pascalu.
Autorzy:Ania Szczubełek Kasia Sul
Ekonometria stosowana
Podstawy statystyki, cz. II
Algebra Przestrzenie liniowe.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
dr hab. inż. Monika Lewandowska
METODA ELIMINACJI GAUSSA ASPEKTY NUMERYCZNE
ALGORYTMY I STRUKTURY DANYCH WYKŁAD 03 cd. Wyszukiwanie Grażyna Mirkowska PJWSTK, 2003/2004.
Przygotowanie do egzaminu gimnazjalnego
EXCEL Wstęp do lab. 4. Szukaj wyniku Prosta procedura iteracyjnego znajdowania niewiadomej spełniającej warunek będący jej funkcją Metoda: –Wstążka Dane:
Algorytmy Genetyczne Anna Tomkowska Politechnika Koszalińska
Zagadnienie własne Macierz wektorów własnych V=(v1,v2,...,vn) przekształca zatem macierz A do postaci diagonalnej: W większości zastosowań w chemii i fizyce.
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
C(r) całka korelacji: – norma badanej wielkości fizycznej
Analiza numeryczna i symulacja systemów
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
SZTUCZNA INTELIGENCJA
IFS, IFSP I GRA W CHAOS ZBIORY FRAKTALNE I WYBRANE SPOSOBY ICH GENEROWANIA.
sinusoidalnie zmienne
Dynamika bryły sztywnej
Niech f(x,y,z) będzie ciągłą, różniczkowalną funkcją współrzędnych. Wektor zdefiniowany jako nazywamy gradientem funkcji f. Wektor charakteryzuje zmienność.
Modelowanie i podstawy identyfikacji
Jakie prawa zachowania są spełnione w modelu?
Postępy w przygotowaniu rozprawy doktorskiej
Zapis prezentacji:

Skuteczna realizacja AG Wykres postępów ewolucji. Zatrzymywanie i wznawianie. Zewnętrzna def. funkcji przystosowania F. Wprowadzanie chromosomu wzorcowego. Ocena przystosowania wybranych chromosomów (test chwilowych rozwiązań) Zmienność środowiska (aż do ko-ewolucji). Możliwość analizy krajobrazu przestrzeni rozwiązań (otoczenie chromosomu). Inaczej: badanie zmienności funkcji przystosowania. Możliwość oceny produktywności środowiska. Dobór parametrów; moc zbiorów, TG, strategia reprodukcji. Dobór porządku genów w chromosomie. Wykres zmienności wybranego zbioru genów i/lub chromosomów. Załącz/wyłącz obraz przebiegu ewolucji.

Szukanie nieliniowych FB Chromosom: ciąg wartości funkcji Rozmiar populacji P: 10 TG: merging: wybór pary z P pary pokrewne zabronione* liczba potomków (breed factor): 1 krzyż. + mutacje; KM P ’ = P + KM Funkcja przystosowania: nieliniowość Nf funkcji f |Nf – Ng|  dist (f – g) (N is locally smooth) Inne możliwość: 1. Chromosom: APN 2. Eliminacja krewnych 3. Funkcja autokorelacji W. Millan, A. Clark, E. Dawson, 2003

Nieliniowość FB 1. Nieliniowość Nf funkcji f(x) to jej minimalna odległość Hamminga od zbioru wszystkich f. afinicznych; x Bn, B = {0, 1}. Nf = 1/2(2n - WHmax(f)). 2. Odległość Hamminga d(x, ) dwu wektorów x i , to liczba pozycji, na których się różnią. 3. Transformata WH (Walsha Hadamarda) funkcji f(x): WHmax(f) to maksymalna bezwzględna wartość funkcji Wf(),  Bn. 4. F. liniowa. APN: f(x) =   x = 1x1  2x2 … nxn. Zbiór: L (x). 5. F. afiniczne. A (x) = L (x)  c; c  {0, 1}. Są to f. liniowe i ich negacje.

Przepływ informacji w SD Struktura (u 1, u 2, u 3) = (1, 1, 1) dla A1: M( 15)   51 dla A2: M( 51)   85 dla A3: M( 85)   15 Macierz uzależnień a i, j = 1  Y i zależy od y j Nierówności PI

Obliczanie M()