Найти

Результаты поиска

• НАСТРОЙКА ПАРАМЕТРОВ ГЕНЕТИЧЕСКОГО АЛГОРИТМА ПРИ ПОМОЩИ АНАЛИЗА ЛАНДШАФТА ФУНКЦИИ ПРИСПОСОБЛЕННОСТИ И МАШИННОГО ОБУЧЕНИЯ

  М.В. Пикалов , А.М. Письмеров

  2024-05-28

  Аннотация ▼

  Выбор значений параметров в эволюционных алгоритмах сильно влияет на их производи-
  тельность. Многие популярные методы настройки параметров ограничены максимальным числом
  вычислений целевой функции для поиска хорошего набора значений параметров. Недавно был пред-
  ложен подход к выбору алгоритмов для решения оптимизационных задач, использующий анализ
  ландшафта функции приспособленности и машинное обучение для выбора оптимального алго-
  ритма решения задачи на основе особенностей ее ландшафта. Подобное применение анализа
  ландшафта функции приспособленности мотивирует на дальнейшие исследования, в частности,
  применительно к настройке параметров эволюционных алгоритмов. Использование признаков
  ландшафта функции приспособленности позволяет выявлять похожие задачи и использовать
  данные о настройке параметров, полученные при тестировании на эталоных задачах, что значи-
  тельно снижает число необходимых вычислений целевой функции при настройке. В этой работе
  на примере генетического алгоритма рассматривается подход к автоматическому
  выбору параметров с использованием анализа ландшафта целевой функции и машинного обучения.
  В предлагаемом решении оцениваются особенности ландшафта целевой функции поставленной
  задачи оптимизации и предлагаются оптимальные значения параметров алгоритма с помощью
  нейронной сети. Данная сеть была обучена на наборе данных об особенностях ландшафта, вы-
  раженных в виде числовых признаков и соответствующих им оптимальных наборов параметров
  алгоритма. В отличие от подходов к автоматическому выбору алгоритмов оптимизации для кон-
  кретной задачи, в данной работе рассматривается задача регрессии параметров алгоритма вме-
  сто проблемы классификации наиболее подходящего алгоритма из заданного набора. Результаты
  экспериментов на различных конфигурациях задачи W-model, а также на задачае MAX-3SAT пока-
  зывают, что предлагаемый подход к автоматическому выбору параметров с учетом ландшафта
  целевой функции может помочь определить подходящие значения статических параметров гене-
  тического алгоритма , так как алгоритм с предложенными значениями параметров
  превосходит другие рассмотренные варианты , в среднем требуя меньше вычисле-
  ний целевой функции для нахождения оптимума, чем остальные рассмотренные алгоритмы.