ИССЛЕДОВАНИЕ ВОЗДЕЙСТВИЯ РАЗМЕРА ПОПУЛЯЦИИ НА БЫСТРОДЕЙСТВИЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
Аннотация
Исследованы способы определения размера популяции в генетическом алгоритме и изучена
зависимость между количеством особей и скоростью работы алгоритма. Описываются методы
определения оптимального количества особей в популяции разными методами: в зависимости от
размера хромосом, для древовидного типа хромосом, при наличии фактора зашумленности и по
методу соседнего элемента с выставлением максимальной и минимальной границы. Данные, полу-
ченные по выполнении каждого метода, отличаются между собой, по причине этого произведена
оценка с целью проверить точность теоретических данных, сравнив их с экспериментальными.
Для проведения экспериментов была разработана программа на графической платформе «Unity» с
возможностью изменения количества особей в популяции. После получения результатов было
проведено сравнение экспериментальных данных с данными, полученными на основе методов оп-
ределения размера популяции в генетическом алгоритме из первой части работы. Эксперимент
показал, что оптимальный размер популяции лежит в диапазоне 100-160 особей. При уменьшении
их количества время выполнения поставленной задачи начинает существенно увеличиваться, а
при увеличении за расчетный предел – сокращение времени выполнения не соответствует затра-
чиваемым вычислительным ресурсам. Сами полученные экспериментальные данные имеют наи-
меньшую погрешность с методом, используемым древовидное представление хромосом. Резуль-
таты исследования могут быть использованы для выбора размера популяции при обучении для
достижения лучшего соотношения затрачиваемой вычислительной мощности к скорости обуче-
ния, а определенный в процессе работы метод может помочь в теоретических расчетах.
Литература
sistem pravil [The use of genetic algorithms in data analysis tasks and the construction of rule systems],
Novye informatsionnye tekhnologii v avtomatizirovannykh sistemakh [New information technologies
in automated systems], 2013, No. 16, pp. 72-77.
2. Shchukin M.A. Geneticheskie algoritmy kak metod resheniya matematicheskikh zadach [Genetic algorithms
as a method of solving mathematical problems], Vestnik URAO [Bulletin of the University of
the Russian Academy of Education], 2014, No. 5, pp. 168-172.
3. Korneev A.S., Lyakhov M.S., Tarnetskaya A.V. Ispol'zovanie geneticheskikh algoritmov dlya resheniya
zadach optimizatsii v elektroenergetike [The use of genetic algorithms for solving optimization problems
in the electric power industry], IX Vserossiyskaya nauchno-prakticheskaya konferentsiya
molodykh uchenykh «ROSSIYA MOLODAYA». Aprel' 2017 [IX All-Russian Scientific and Practical
Conference of Young Scientists “YOUNG RUSSIA”. April 2017], 4 p. Available at:
https://science.kuzstu.ru/wp-content/Events/Conference/RM/2017/RM17/pages/Articles/0201038.
4. Shcheglov S.N. Analiz modeley prinyatiya resheniy v novykh informatsionnykh tekhnologiyakh v
usloviyakh nechetkosti i neopredelennosti [Analysis of decision-making models in new information
technologies in conditions of fuzziness and uncertainty], Izvestiya YuFU. Tekhnicheskie nauki
[Izvestiya SFedU. Engineering Sciences], 2012, No. 132 (7), pp. 126-131.
5. Kureychik V.V., Kureychik Vl.Vl, Saak A.E. Evolyutsionnyy algoritm dlya resheniya zadachi
dispetcherizatsii [An evolutionary algorithm for solving the dispatching problem. Iyul], Izvestiya
YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2021, No. 2 (219). pp. 50-59.
6. Janne Koljonen, Jarmo Alander. Effects of population size and relative elitism on optimization speed
and reliability of genetic algorithms. January 2006, pp. 1-7.
7. Yu-an Zhang, Makoto Sakamoto, Hiroshi Furutani. Effects of Population Size and Mutation Rate on
Results of Genetic Algorithm, January 2008, pp. 47-55.
8. Tsoy Yu.R. Vliyanie razmera populyatsii i poiska ot ogranicheniya po vremeni raboty geneticheskogo
algoritma [The influence of population size and search time limit on genetic algorithm]. Tomsk:
Tomskiy politekhnicheskiy universitet, 2003, 7 p.
9. Goncharova A.S., Beketova O.S., Zarosilo L.R. Modeli geneticheskikh algoritmov [Models of genetic
algorithms], Molodoy uchenyy [Young scientist]. Fevral' 2015, No. 1 (1), pp. 32-33.
10. Tsoy Yu.R. Reshenie zadach lineynogo programmirovaniya s pomoshch'yu geneticheskogo algoritma
[Solving linear programming problems using a genetic algorithm]. Tomsk: Tomskiy politekhnicheskiy
universitet, 2003, 2 p.
11. Chipiga A.F., Petrov Yu.Yu. Otsenka vybora razmera populyatsii v prostom geneticheskom algoritme
[Estimating the choice of population size in a simple genetic algorithm], Informatsionnoe
protivodeystvie ugrozam [Information counteraction to threats], 2005, No. 5, pp. 26-29.
12. Glebov A.V., Strikelev D.A. Vliyanie razmera populyatsii na skorost' skhodimosti geneticheskogo
algoritma pri drevovidnom predstavlenii khromosom [The influence of population size on the convergence
rate of a genetic algorithm with a tree-like representation of chromosomes], Elektronnaya
biblioteka BGU [Electronic Library of the BSU]. Aprel' 2010, pp. 3. Available at:
https://elib.bsu.by/handle/123456789/28657.
13. Glebov A., Strykeleu D. Experimental convergence study of a genetic algorithm using
consistencypreserving genetic operators for tree-like chromosomes, Modern problems of mathematics
and computer engineering, 2009, pp. 3-5.
14. Randy Haupt. Optimum Population Size and Mutation Rate for a Simple Real Genetic Algorithm that Optimizes
Array Factors, Antennas and Propagation Society International Symposium, 2000, pp. 173-186.
15. Harik G.R., Cantu-Paz E., Goldberg D.E., Miller B.L. The Gambler's Ruin Problem, Genetic Algorithms,
and the Sizing of Populations, Association for Computing Machinery, February 1999, pp. 231-253.
16. Frolov V.V. Opredelenie razmera populyatsii geneticheskogo algoritma dlya zadach diskretnoy
optimizatsii v SAPR [Determining the population size of a genetic algorithm for discrete optimization
problems in CAD], Sistemnyy analiz i prikladnaya informatika [System analysis and applied informatics],
2018, No. 3, pp. 9-16.
17. Saprykin A.N., Akinina K.D., Saprykina E.N. Optimal'noe chislo konvergiruemykh pokoleniy i
poleznykh osobey pri var'iruyushchikhsya znacheniyakh veroyatnosti mutatsii geneticheskogo
algoritma na malykh prostranstvakh poiska [The optimal number of convergent generations and useful
individuals with varying values of the mutation probability of a genetic algorithm in small search
spaces] Sovremennye tekhnologii v nauke i obrazovanii: Sb. trudov II mezhdunarodnoy nauchnotekhnicheskoy
i nauchno-metodicheskoy konferentsii [Modern technologies in science and education:
Collection of proceedings of the II international scientific-technical and scientific-methodological conference].
Vol. 4. Ryazan': RRTI, 2017, pp. 248-252.
18. Roeva O., Fidanova S., Paprzycki M. Influence of the population size on the genetic algorithm performance
in case of cultivation process modeling, Computer Science and Information Systems, 2013,
pp. 371-376.
19. Chastikova V.A. Identifikatsiya mekhanizmov realizatsii operatorov geneticheskogo algoritma v
ekspertnykh sistemakh produktsionnogo tipa [Identification of mechanisms for implementing genetic
algorithm operators in production-type expert systems], Nauchnyy zhurnal KubGAU [Scientific journal
of KubSAU], 2012, No. 75.
20. Kornilov A. UNITY. Polnoe rukovodstvo [UNITY. Complete guide]. 2nd ed. Saint Petersburg: Nauka
i Tekhnika, 2021, 496 p.
21. Tsygankov V.A., Shabalina O.A., Kataev A.V. Ispol'zovanie geneticheskikh algoritmov dlya povysheniya
skorosti obucheniya neyronnykh setey [Using genetic algorithms to increase the speed of learning of neural
networks], Inzhenernyy vestnik Dona [Engineering Bulletin of the Don], 2023, No. 3.
