Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Un procedimento di seeding per algoritmi genetici applicati al flow-shop

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

8 Formulazione generica di un Algoritmo Genetico In generale il processo evolutivo simulato da un AG può essere raffigurato da t←t+1 select P(t) from P(t-1) recombine P(t) evaluate P(t) Un semplice GA funziona così: 1) Si inizi con una popolazione di n cromosomi formati da p bit. 2) Si calcoli l’idoneità f(x) di ogni cromosoma. Per ogni problema da risolvere viene costruita una funzione fitness. In base al valore di tale parametro è decisa la sopravvivenza del cromosoma. Per costruire tale funzione si deve valutare il grado di adattamento al problema. Il valore numerico fornito da essa si suppone proporzionale all’utilità o abilità dell’individuo rappresentato dal cromosoma. 3) Si ripetano i passaggi seguenti finchè non vengono cr4eati n discendenti, uno per ogni cromosoma: - Selezione di una coppia di cromosomi genitori dalla popolazione iniziale. - Realizzazione, con probabilità Pc (probabilità che i due genitori si incrocino), dell’incrocio della coppia da un punto scelto a caso per formare i due figli. - Mutazione dei 2 discendenti in ogni locus con probabilità Pm e inserimento dei nuovi cromosomi nella nuova popolazione. 4) Si sostituisca la nuova popolazione a quella corrente. 5) Si torni al passo 2. Dal passo tre viene realizzata la riproduzione. La selezione iniziale della popolazione è argomento di questa tesi. Per quanto riguarda i due operatori di combinazione dei cromosomi si parla di crossover e di mutazione. Dopo aver aggiornato la popolazione, e quindi i parametri che la caratterizzano, e aver creato la nuova generazione si applica un test d’uscita. Consiste evidentemente nel controllo di uno o più di questi parametri per stabilire se interrompere o continuare la reiterazione del GA. Alcuni parametri possono essere la numerosità della popolazione o il numero massimo di generazioni consentite. L’insieme di generazioni è indicato con il termine di esecuzione.

Anteprima della Tesi di Barbara Renda

Anteprima della tesi: Un procedimento di seeding per algoritmi genetici applicati al flow-shop, Pagina 6

Tesi di Laurea

Facoltà: Ingegneria

Autore: Barbara Renda Contatta »

Composta da 62 pagine.

 

Questa tesi ha raggiunto 1873 click dal 20/03/2004.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.