Obsah
Úvod
História
Základný tvar algoritmu
Prečo GA fungujú?
Modifikácie pre špeciálne typy problémov
Nastavenie parametrov
Hybridizácia GA
Koevolúcia
Paralelizácia GA
Aplikácie GA
Aplikácie GA na internete
Klasifikačné systémy
Evolučná stratégia
Evolučné programovanie
Prílohy
Literatúra a linky
O tejto kapitole



Ostatné kapitoly
Genetické algoritmy
Genetické programovanie
Umelá embryogenéza
Evolučný dizajn
Interaktívny evolučný výpočet
Ekogramatiky
Evolučný hardware


Hlavne menu
 O nás
 Tutoriály
 Archiv


Hybridizácia GA

Snahou je využiť dobré vlastnosti viacerých algoritmov a ich skombinovanie do jediného algoritmu. Pričom jedným z algoritmov, ktoré budú kombinované bude GA. Pri spájaní algoritmov je možný kooperačný prístup, kde iný algoritmus vstupuje do GA práve pri učení sa jedincov. Využíva sa biologická metafora: jedinec sa narodí s určitým genetickým materiálom, ide životom a snaží sa niečo dosiahnuť, aktívne vyhľadáva riešenie - učí sa, až sa nakoniec stane rodičom a pokračuje vo svojich potomkoch. Sú možné tri rôzne prístupy:

  • pri rozmnožovaní sa vôbec neregistruje to, čo sa naučil.
  • to, čo sa jedinec naučil, zvyšuje jeho vhodnosť a tým aj šancu na reprodukciu, ale do potomka pôjde pôvodný genotyp. Toto sa tiež nazýva Baldwinov efekt.
  • to, čo sa naučil, rodič odovzdáva potomkovi vo forme genetického materiálu (zmenený genotyp). Zástancom tohto prístupu bol Lamarck.

Oproti tomu je možný aj konkurenčný prístup, kde sa potomkovia generujú buď genetickým algoritmom, alebo ďalším použitým algoritmom, nie oboma naraz, pričom tieto dva algoritmy súťažia o to, ktorý bude vybratý.

GA sa často spájajú s horolezeckým algoritmom (hill climbing), fuzzy množinami a tiež neurónovými sieťami.

Hore
Kontakty:     webmaster     admin     chief
Valid HTML 4.01! Valid CSS!