Raport de cercetare - Lorentz JÄNTSCHI

O altă remarcă se poate face cu privire la valorile parametrilor de configurare. Astfel, nu toţi
parametrii pot lua orice valori (cum e cazul pentru sn0_SAMPLE_Size care în mod obligatoriu
trebuie să fie cel puţin cât rn0_REGRESSION_Multiple în timp ce cn0_CROSSOVER_Pairs nu
poate depăşi jumătate din sn0_SAMPLE_Size) în timp ce definirea valorilor altor parametrii este
restricţionată la un domeniu de valori pentru simplul fapt că efectul definirii unei valori din afara
domeniului este fie lipsită de sens (de exemplu definirea unei valori întregi negative pentru
e0n_RUNS_number sau pentru e1n_GENERATIONS_max face ca algoritmul genetic să nu mai fie
executat), fie nu produce nici un fel de efecte diferite de o anumită valoare din domeniu (atribuirea
unei valori negative pentru a_c_ADAPT_Correlation este similară cu atribuirea valorii 0 şi
semnificând că nu există valoare minimă impusă pentru coeficientul de determinare între
fenotipurile ce compun o ecuaţie de regresie şi proprietatea măsurată), fie nu poate duce la atingerea
obiectivului (atribuirea unei valori mai mari ca unitatea pentru a_c_ADAPT_Correlation este
similară cu atribuirea valorii 1 şi are ca efect impunerea determinării de 100%, ceea ce pe cale de
consecinţă face lipsită de sens căutarea de regresii multiple atâta timp cât ar exista un descriptor
molecular capabil să explice singur în proporţie de 100% proprietatea măsurată), în timp valorile de
configurare a unor parametrii impune valorile altora (de exemplu b_p_SELECTION_parameter=r2
impune b_o_SELECTION_objective=max, pentru simplul fapt că obţinerea unei ecuaţii de regresie
cu cel mai mic coeficient de determinare nu poate constitui un obiectiv de interes, tot aşa cum
b_p_SELECTION_parameter=se impune b_o_SELECTION_objective=min), în timp ce limitele
valorilor unor parametrii sunt impuse doar de soluţia de memorare aleasă la implementare (de
exemplu e1n_GENERATIONS_max admite ca valoare maximă 2147483647 impusă de tipul de dată
LongInt în care este stocată valoarea, dar care poate fi însă modificat fără dificultate la tip de dată
Int64 cu limita superioară de 9223372036854775807.
În evaluarea algoritmului genetic s-a considerat de importanţă teoretică şi practică compararea
performanţelor obţinute pentru doi parametrii definitorii ai procesului de evoluţie şi anume
modalitatea de selecţie a indivizilor pentru încrucişare şi selecţie şi modalitatea de selecţie a
indivizilor pentru înlocuire de către descendenţi (supravieţuire).
Aceşti doi parametrii, metoda de selecţie (parametrul sfs_FITNESS_strategy) şi metoda de
supravieţuire (parametrul vfs_SURVIVAL_strategy) au constituit obiectul investigaţiei. Tabelul de
mai jos redă schema de execuţie (designul experimentului realizat):
Modalităţi de selecţie şi supravieţuire: design experimental
Supravieţuire Proporţional (P) Deterministic (D) Turnir (T)
Selecţie
Proporţional (P) P:P (1) P:D (2) P:T (3)
Deterministic (D) D:P (4) D:D (5) D:T (6)
Turnir (T) T:P (7) T:D (8) T:T (9)
Ceilalţi parametrii ce configurează execuţia algoritmului genetic au primit valori care au fost
păstrate pe toată durata experimentului aceleaşi. Valorile acestora (care au fost date ţinând seama de
considerentele menţionate mai sus) sunt redate mai jos.
Valori definite şi păstrate pe toată durata experimentului pentru parametrii rămaşi
Parametru Valoare
a_v_ADAPT_Variance 0.1
ajb_ADAPT_JarqueBera 0.1
a_c_ADAPT_Correlation 0.1
sn0_SAMPLE_Size 12
rn0_REGRESSION_Multiple 4
e1n_GENERATIONS_max 20000
g_r_GENERATIONS_first_rich Yes
cn0_CROSSOVER_Pairs 2
m_m_MUTATION_Genes 2
mpp_MUTATION_Parent_probability 5%
mcp_MUTATION_Child_probability 5%
291