개시하다

지난번 기고파이톤으로 실제 수치 유전 알고리즘의 성능을 평가하다의 기고과제 중 하나인 BLX. -αUNDX는 비교차법으로 구현되었습니다.

이른바 UNDX

실제 GA의 교차 사용 부모 3개(BLX-)α변수 간의 의존 관계에 강한 방법이다.
게다가 세대교체 때 아이와 교환 대상이 되는 부모는 단 2명에 불과하다.
상세한 상황은 아래의 논문을 참고하시오.
실제 수치 GA의 개척자
단봉 정적 분포가 교차하는 실치 유전 알고리즘을 이용하여 광학 시스템을 최적화하다

이루어지다

github 위에 놓다.
https://github.com/SwitchBladeJW/RCGA

평가 방법

마지막과 같은 데이텀 함수 사용, BLX-αUNDX의 성능을 평가했다.
세대교체 모델은 MGG를 사용하고 있다.치사 개체에 대한 대응은 지난번부터 변경됐다.

세대교체수: 2개 개체(정영선택: 1개, 바퀴선택: 1개 개체)

치사 개체(임의의 파라미터가 검색 범위를 초과한 개체)에 대한 대응: 평가 대상에서 제외

교차 매개 변수는 다음과 같다.

BLX-α(α=0.5)

UNDX(α=0.5、β=0.35)

Rastirin 함수

다봉성 함수

검색 범위: -5.12~5.12

전역 최적: =0, (x[i]=0)

2차원 그래프

이차원

최대 세대수: 100대

집단수: 30개

생성기 개수: 60개/세대

초기 그룹의 분포: -5.12~-2.0(차원수가 적기 때문에 최적해를 제외하고 분포)

개체의 분포를 나타내다.파란색은 집단이고, 빨간색은 가장 좋은 개체다.또한 부모 선택과 하위 생성을 표시할 수 있다.
도례를 그리다.

교차법
드로잉
BLX-α

UNDX

특징은 BLX. -αX축 및 Y축 방향에서 직사각형으로 분포된 자입니다.
서브는 부모 1과 2를 연결하는 선 주위에 분포한다.

RosenBrock 함수

단봉성 함수

검색 범위: -2.048~2.048

전역 최적: =0, (x[i]=1)

2차원 그래프

20차원

최대 세대수: 100000세대

클러스터 수: 50개

생성기 개수: 200개/세대

UNDX에서 30000세대는 가장 적합한 해결 방안을 찾을 수 있지만 BLX는α그렇다면 10만 세대라도 가장 적합한 해결 방안을 찾을 수 없다.RosenBrock 함수는 변수 간 의존 관계의 함수이기 때문에 UNDX가 유효하다고 여겨진다.

Schwefel 함수

다봉성 함수

검색 범위: -512~512

전역 최적: ≈0, (x[i] = 420.9687)

2차원 그래프

십차원

최대 세대수: 30000세대

집단수: 300개

생성기 개수: 200개/세대

마지막으로 치사 개체의 처리 방법을'탐색 범위를 초과한 파라미터를 한계값으로 설정', BLX-로 설정했다.α국부적 해결 방안이지만 치사 개체의 처리 방법을 바꾸어 개선했다.
BLX-αUNDX와 함께 가장 적합한 해를 찾을 수 있다. BLX. -α보다 빠른 결과를 얻을 수 있습니다.모두 만능의 수법이 없다.

학습 시간 정보

Colaboratory에서RosenBrock 함수 20차원 100000세대의 학습 시간을 측정했습니다.
() 내에는 치사 고체를 제외한 평가 횟수(평가 함수를 사용하는 횟수)가 있다.개체를 죽이지 않았다면 세대당 202회였다.
컨디션
BLX-α
UNDX
Colaboratory(CPU)
40분(20186185회)
37분(2019 3천164회)
Colaboratory(GPU)
40분(20186482회)
35분(2019.3868회)
※ 2019.07.06시 기준.

일반적으로 UNDX의 계산 원가가 비교적 높지만 UNDX의 처리는 비교적 일찍 끝난다.UNDX가 for회로를 완전히 배제했기 때문에 이 부분은 듣고 있는 것 같아요.python for 링은 귀신의 문입니다.

CPU 및 GPU 처리 속도는 거의 변경되지 않았습니다.GPU에 맞는 인코딩을 하지 않으면 좋을 게 없을 것 같습니다.