Избирање засновано на наградa
Избирање засновано на наградa ― техника која се користи во еволутивните алгоритми за избор на потенцијално корисни решенија за прекомбинација. Веројатноста да биде избран за поединец е пропорционална на кумулативната награда, добиена од поединецот. Кумулативната награда може да се пресмета како збир на поединечната награда и наградата наследена од родителите.
Опис[уреди | уреди извор]
Избирањето засновано на наградa може да биде користено во рамката за разбојник со повеќе оружје за оптимизација со повеќе цели за да се добие подобра приближност на Паретовата ефикасност.[1]
Новороденчето а неговите родители добиваат награда , ако било избрано за ново население , во спротивно наградата е нула. Можни се неколку дефиниции за награди:
- 1. , ако новороденото лице било избран за ново население .
- 2. , каде е ранг на нововметната единка во населението на поединци. Рангирањето може да се пресмета со користење на добро позната постапка за непреовладувачко редење.[2]
- 3. , каде е хиперволумен показател за придонес на поединецот на населението . Наградата доколку нововнесената единка го подобрува квалитетот на населението, што се мери како нејзин хиперволумен придонес во објективниот простор.
- 4. Олеснување на горенаведената награда, што вклучува казна заснована на ранг за поени за преовладувачката Паретова ефикаснот:
Изборот заснован на награди може брзо да ги идентификува најплодните насоки на пребарување со максимизирање на кумулативната награда на поединците.
Поврзано[уреди | уреди извор]
- Фитнеско пропорционално избирање
- Избрирање (генетски алгоритам)
- Стохастичко универзално земање примероци
- Турниско избирање
Наводи[уреди | уреди извор]
- ↑ Loshchilov, I.; M. Schoenauer; M. Sebag (2011). „Not all parents are equal for MO-CMA-ES“ (PDF). Evolutionary Multi-Criterion Optimization 2011 (EMO 2011). Springer Verlag, LNCS 6576. стр. 31–45. Архивирано од изворникот (PDF) на 4 јуни 2012.
- ↑ Deb, K.; Pratap, A.; Agarwal, S.; Meyarivan, T. (2002). „A fast and elitist multi-objective genetic algorithm: NSGA-II“. IEEE Transactions on Evolutionary Computation. 6 (2): 182–197. CiteSeerX 10.1.1.17.7771. doi:10.1109/4235.996017.