Dane szczegółowe książki
Algorytmy genetyczne + struktury danych = programy ewolucyjne / Michalewicz, Zbigniew; Nahorski, Zbigniew (1945-)
Tytuł
Algorytmy genetyczne + struktury danych = programy ewolucyjne
Tytuł oryginału
Genetic algorithms + data structures = evolution programs
Wydawnictwo
Warszawa: Wydawnictwa Naukowo-Techniczne, 1999
Numer wydania
2
ISBN
8320423686
Hasła przedmiotowe
Spis treści
pokaż spis treści
Wprowadzenie 25
Część I. Algorytmy genetyczne 37
1. Algorytmy genetyczne: co to jest? 39
1.1. Optymalizacja prostej funkcji 44
1.1.1. Reprezentacja 45
1.1.2. Populacja początkowa 46
1.1.3. Funkcja oceny 46
1.1.4. Operatory genetyczne 47
1.1.5. Parametry 48
1.1.6. Wyniki obliczeń 48
1.2. Dylemat więźnia 49
1.2.1. Reprezentacja strategii 49
1.2.2. Schemat algorytmu genetycznego 50
1.2.3. Wyniki obliczeń 5tT
1.3. Zadanie komiwojażera 51
1.4. Algorytmy wzrostu, symulowane wyżarzanie
a algorytmy genetyczne 53
1.5. Wnioski 57
2. Algorytmy genetyczne: jak one działają? 58
3. Algorytmy genetyczne: dlaczego one działają? 71
4. Algorytmy genetyczne: wybrane zagadnienia 84
4.1. Mechanizm próbkowania 85^
4.2. Charakterystyki funkcji 93
4.3. Algorytmy genetyczne z odwzorowaniem
zwężającym 95
22 Spis treści
4.4. Algorytmy genetyczne ze zmienną
liczebnością populacji 100
4.5. Algorytmy genetyczne, ograniczenia
i zadanie załadunku 109
4.5.1. Zero-jedynkowe zadanie załadunku i dane testowe 110
4.5.2. Opis algorytmów 111
4.5.-5. Obliczenia i wyniki 114
4.6. Inne pomysły 118
Część II. Optymalizacja numeryczna 125
5. Binarnie czy zmiennopozycyjnie? 127
5.1. Przykład testowy 130
5.2. Dwie wersje 130
5.2.1. Wersja binarna 131
5.2.2. Wersja zmiennopozycyjna 131
5.3. Obliczenia 131
5.3.1. Losowa mutacja i krzyżowanie 132
5.3.2. Mutacja nierównomierna 133
5.3.3. Inne operatory 135
5.4. Efektywność czasowa obliczeń , 136
5.5. Wnioski 136
6. Dokładne dostrajanie lokalne 138
6.1. Przykłady testowe 139
6.1.1. Zadanie liniowo-kwadratowe 140
6.1.2. Zadanie zbierania plonów 141
6.1.3. Zadanie pchania wózka 141
6.2. Program ewolucyjny optymalizacji numerycznej 142
6.2.1. Reprezentacja 142
6.2.2. Operatory specjalizowane 142
6.3. Obliczenia i wyniki 144
6.4. Programy ewolucyjne a inne metody 146
6.4.1. Zadanie liniowo-kwadratowe 146
6.4.2. Zadanie zbierania plonów 147
6.4.3. Zadanie pchania wózka 147
6.4.4. Znaczenie mutacji nierównomiernej 149
6.5. Wnioski 150
7. Zadania z ograniczeniami 152
7.1. Program ewolucyjny: system GENOCOP 153
7.1.1. Przykład 157
7.1.2. Operatory 158
7.1.3. Testowanie systemu GENOCOP 162
7.2. Optymalizacja nieliniowa: GENOCOP II 167
7.3. Inne metody 174
Spis treści 23
7.3.h Pięć zadań testujących 178
7.3.2. Eksperymenty 181
7.4. Inne możliwości 184
7.5. GENOCOP III 188
8. Strategie ewolucyjne i inne metody 192
8.1. Rozwój strategii ewolucyjnych 193
8.2. Porównanie strategii ewolucyjnych
i operatorów genetycznych 197
8.3. Optymalizacja funkcji wtelomodalnych
i wtelokryterialnych 202
8.3.1. Optymalizacja wielomodalna 202
8.3.2. Optymalizacja wielokryterialna 205
8.4. Inne programy ewolucyjne 207
Część III. Programy ewolucyjne 213
9. Zadanie transportowe 215
9.1. Liniowe zadanie transportowe 215
9.1.1. Klasyczne algorytmy genetyczne 218
9.1.2. Uwzględnianie wiedzy specyficznej dla zadania 220
9.1.3. Macierz jako struktura reprezentacji 223
9.1.4. Wnioski 231
9.2. Nieliniowe zadanie transportowe 231
9.2.1. Reprezentacja 232
9.2.2. Inicjalizacja 232
9.2.3. Ocena 232
9.2.4. Operatory 232
9.2.5. Parametry 233
9.2.6. Zadania testujące 234
9.2.7. Obliczenia i wyniki 237
9.2.8. Wnioski 242
10. Zadanie komiwojażera 245
11. Programy ewolucyjne dla różnych zadań dyskretnych 274
11.1. Harmonogramowanie 274
11.2. Układanie planu lekcji 281
11.3. Podział obiektów i grafów 283
11.4. Planowanie drogi w środowisku ruchomego robota . . 289
11.5. Uwagi 298
12. Uczenie maszynowe 304
12.1. Podejście Michigan 307
12.2. Podejście Pttt 312
24 Spis treści
12.3. Program ewolucyjny: system GIL 313
12.3.1. Struktura danych 314
12.3.2. Operatory genetyczne 315
12.4. Porównanie 318
12.5. REGAL 319
13. Programowanie ewolucyjne a programowanie
genetyczne 321
13.1. Programowanie ewolucyjne 321
13.2. Programowanie genetyczne 323
14. Hierarchia programów ewolucyjnych 326
15. Programy ewolucyjne i heurystyki 345
15.1. Metody i heurystyki: podsumowanie 348
15.2. Rozwiązania dopuszczalne i niedopuszczalne 350
15.3. Heurystyki do oceny osobników 353
16. Zakończenie 367
Dodatek A 376
Dodatek R 387
Dodatek C 391
Dodatek D 497
Literatura 401
Słownik angielsko-polski 417
Słownik polsko-angielski 421
Skorowidz nazwisk
Skorowidz rzeczowy 427
Część I. Algorytmy genetyczne 37
1. Algorytmy genetyczne: co to jest? 39
1.1. Optymalizacja prostej funkcji 44
1.1.1. Reprezentacja 45
1.1.2. Populacja początkowa 46
1.1.3. Funkcja oceny 46
1.1.4. Operatory genetyczne 47
1.1.5. Parametry 48
1.1.6. Wyniki obliczeń 48
1.2. Dylemat więźnia 49
1.2.1. Reprezentacja strategii 49
1.2.2. Schemat algorytmu genetycznego 50
1.2.3. Wyniki obliczeń 5tT
1.3. Zadanie komiwojażera 51
1.4. Algorytmy wzrostu, symulowane wyżarzanie
a algorytmy genetyczne 53
1.5. Wnioski 57
2. Algorytmy genetyczne: jak one działają? 58
3. Algorytmy genetyczne: dlaczego one działają? 71
4. Algorytmy genetyczne: wybrane zagadnienia 84
4.1. Mechanizm próbkowania 85^
4.2. Charakterystyki funkcji 93
4.3. Algorytmy genetyczne z odwzorowaniem
zwężającym 95
22 Spis treści
4.4. Algorytmy genetyczne ze zmienną
liczebnością populacji 100
4.5. Algorytmy genetyczne, ograniczenia
i zadanie załadunku 109
4.5.1. Zero-jedynkowe zadanie załadunku i dane testowe 110
4.5.2. Opis algorytmów 111
4.5.-5. Obliczenia i wyniki 114
4.6. Inne pomysły 118
Część II. Optymalizacja numeryczna 125
5. Binarnie czy zmiennopozycyjnie? 127
5.1. Przykład testowy 130
5.2. Dwie wersje 130
5.2.1. Wersja binarna 131
5.2.2. Wersja zmiennopozycyjna 131
5.3. Obliczenia 131
5.3.1. Losowa mutacja i krzyżowanie 132
5.3.2. Mutacja nierównomierna 133
5.3.3. Inne operatory 135
5.4. Efektywność czasowa obliczeń , 136
5.5. Wnioski 136
6. Dokładne dostrajanie lokalne 138
6.1. Przykłady testowe 139
6.1.1. Zadanie liniowo-kwadratowe 140
6.1.2. Zadanie zbierania plonów 141
6.1.3. Zadanie pchania wózka 141
6.2. Program ewolucyjny optymalizacji numerycznej 142
6.2.1. Reprezentacja 142
6.2.2. Operatory specjalizowane 142
6.3. Obliczenia i wyniki 144
6.4. Programy ewolucyjne a inne metody 146
6.4.1. Zadanie liniowo-kwadratowe 146
6.4.2. Zadanie zbierania plonów 147
6.4.3. Zadanie pchania wózka 147
6.4.4. Znaczenie mutacji nierównomiernej 149
6.5. Wnioski 150
7. Zadania z ograniczeniami 152
7.1. Program ewolucyjny: system GENOCOP 153
7.1.1. Przykład 157
7.1.2. Operatory 158
7.1.3. Testowanie systemu GENOCOP 162
7.2. Optymalizacja nieliniowa: GENOCOP II 167
7.3. Inne metody 174
Spis treści 23
7.3.h Pięć zadań testujących 178
7.3.2. Eksperymenty 181
7.4. Inne możliwości 184
7.5. GENOCOP III 188
8. Strategie ewolucyjne i inne metody 192
8.1. Rozwój strategii ewolucyjnych 193
8.2. Porównanie strategii ewolucyjnych
i operatorów genetycznych 197
8.3. Optymalizacja funkcji wtelomodalnych
i wtelokryterialnych 202
8.3.1. Optymalizacja wielomodalna 202
8.3.2. Optymalizacja wielokryterialna 205
8.4. Inne programy ewolucyjne 207
Część III. Programy ewolucyjne 213
9. Zadanie transportowe 215
9.1. Liniowe zadanie transportowe 215
9.1.1. Klasyczne algorytmy genetyczne 218
9.1.2. Uwzględnianie wiedzy specyficznej dla zadania 220
9.1.3. Macierz jako struktura reprezentacji 223
9.1.4. Wnioski 231
9.2. Nieliniowe zadanie transportowe 231
9.2.1. Reprezentacja 232
9.2.2. Inicjalizacja 232
9.2.3. Ocena 232
9.2.4. Operatory 232
9.2.5. Parametry 233
9.2.6. Zadania testujące 234
9.2.7. Obliczenia i wyniki 237
9.2.8. Wnioski 242
10. Zadanie komiwojażera 245
11. Programy ewolucyjne dla różnych zadań dyskretnych 274
11.1. Harmonogramowanie 274
11.2. Układanie planu lekcji 281
11.3. Podział obiektów i grafów 283
11.4. Planowanie drogi w środowisku ruchomego robota . . 289
11.5. Uwagi 298
12. Uczenie maszynowe 304
12.1. Podejście Michigan 307
12.2. Podejście Pttt 312
24 Spis treści
12.3. Program ewolucyjny: system GIL 313
12.3.1. Struktura danych 314
12.3.2. Operatory genetyczne 315
12.4. Porównanie 318
12.5. REGAL 319
13. Programowanie ewolucyjne a programowanie
genetyczne 321
13.1. Programowanie ewolucyjne 321
13.2. Programowanie genetyczne 323
14. Hierarchia programów ewolucyjnych 326
15. Programy ewolucyjne i heurystyki 345
15.1. Metody i heurystyki: podsumowanie 348
15.2. Rozwiązania dopuszczalne i niedopuszczalne 350
15.3. Heurystyki do oceny osobników 353
16. Zakończenie 367
Dodatek A 376
Dodatek R 387
Dodatek C 391
Dodatek D 497
Literatura 401
Słownik angielsko-polski 417
Słownik polsko-angielski 421
Skorowidz nazwisk
Skorowidz rzeczowy 427