Algorytmy ewolucyjne z mutacją stabilną

Celem książki jest przedstwienie teoretycznych i eksperymentalnych wyników ukazujących własności szerokiej rodziny rozkładów alfa-stablinych, różnorakich sposobów zastosowania ich w operatorze mutacji algorytmów ewolucyjnych opartych na rzeczywistoliczbowej reprezentacji osobnika, a przede wszystkim, wzbogacających te algorytmy o własności prowadzące do zwiększenia ich efektywności w zadaniach optymalizacji globalnej wielomodalnych i wielowymiarowych funkcji celu.

W rozdziale 2 wprowadzono podstawowe pojęcia związane z algorytmami ewolucyjnymi, a także ich uogólnioną postać. Definicje stabilnej zmiennej losowej i stabilnego wektora losowego zawiera rozdział 3.

Nieizontropowe mutacje stabilne są tematem rozdziału 4. Zastosowanie izotropowych mutacji stabilnych, opisanych w rozdziale 5, pozwala na uniknięcie w naturalny sposób kłopotów z efektem symetrii.

Podstawowe własności stabilnych wektorów losowych opartych na dyskretnej mierze spektralnej zostały przedstawione w rozdziale 6. W celu uniknięcia niedogodności związanych zarówno z efektem martwego otoczenia związanym z izotropowymi i nieizotropowymi mutacjami stabilnymi, jak i z efektem symetrii, w rozdziale 7 zaproponowano nowy typ mutacji.

Rozkłady kierunkowe opisano szczegółowo w rozdziale 8.

Spis treści:

1. Wprowadzenie

2. Algorytmy ewolucyjne
2.1. Podstawowe pojęcia
2.2. Standardowe algorytmy ewolucyjne
2.3. Podsumowanie

3. Rozkłady stabilne
3.1. Stabilna zmienna losowa
3.2. Stabilny wektor losowy
3.3. Podsumowanie

4. Nieizotropowa mutacja stabilna
4.1. Efekt martwego otoczenia
4.2. Efekt symetrii
4.3. Podsumowanie

5. Izotropowa mutacja stabilna
5.1. Efekt martwego otoczenia
5.2. Analiza zbieżności lokalnej
5.3. Eksploracja kontra eksploatacja
5.4. Analiza odporności mutacji stabilnej
5.5. Adaptacja parametrów mutacji stabilnej
5.6. Podsumowanie

6. Mutacja stabilna z dyskretną miarą spektralną
6.1. Rozkłady stabilne z DSM
6.2. Dobór optymalnego rozkładu stabilnego
6.3. Adaptacja DSM
6.4. Podsumowanie

7. Mutacja izotropowa o stabilnym generatorze
7.1. Efekt martwego otoczenia
7.2. Analiza zbieżności lokalnej
7.3. Eksploatacja i eksploracja - ESTS
7.4. Optymalizacja globalna
7.5. Podsumowanie

8. Mutacja bazująca na rozkładach kierunkowych
8.1. Motywacja
8.2. Rozkłady kierunkowe
8.3. Badania symulacyjne
8.4. Podsumowanie

9. Podsumowanie
Bibliografia
Dodatek A. Problem przekraczania siodła
Dodatek B. Funkcje testowe