vysokÃ© uÄenÃ technickÃ© v brnÄ evoluÄnÃ algoritmy - matlab gate toolbox

More documents

Recommendations

Info

26 Všechny potřebné struktury a metody ke správné funkci jádra jsou uvedeny na následujícím obrázku: Hlavní datové struktury: Konverzní metody: Důležité parametry: nParam 1 iParam ActVect ActValue sVect Gray/Bin ⇔ Int ⇔ Real Podpora XML: Save/Load XML, ReinitXMLCore, FreeXMLCore Kompatibilita s GATE: nParam nBitParam nIndi mCode funcOpt funcName iParam sVect Get/SetBinPool, Get/SetActVect, ExportParams Podpora distrib. výpočtů: nIndi PopArr Fz AddClient, GetClientStatus Výkonné metody: nParam ⋅ nBitParam 1 Fitness, Selection, Cross, Mutation, FitnessHC, MutationHC Obr. 7 Důležité metody a struktury jádra COptMethod Popis důležitých parametrů: nParam - počet parametrů optimalizační úlohy nBitParam - udává, kolika bity je kódován každý parametr nIndi - počet jedinců populace (liší se u jednotlivých metod HCA a GA) mCode - druh použitého kódování chromozomů – binární nebo Grayův kód funcOpt - požadavek optimalizace – minimum nebo maximum funcName - jméno účelové funkce (Matlab „m“ souboru) Popis důležitých struktur: PopArr - hlavní binární struktura pro populaci jedinců ( nIndi× nParam ⋅nBitParam ) Fz - fitness, tedy ohodnocení jedinců ( nIndi × 1) ActVect - aktuální, nejlepší nalezený jedinec ( 1 × nParam ⋅ nBitParam ) ActValue - ohodnocení nejlepšího jedince ( 1× 1) iParam - rozsahy kódovaných parametrů (omezující podmínky) ( nParam × 2 ) sVect - vektor reálných čísel použitý pro start HCA ( 1 × nParam ) Binární populace jedinců PopArr je řešena jako dvourozměrné dynamické pole typu unsigned char, takže každá binární hodnota je uchovávána v jednobajtové buňce. Toto řešení se mi jevilo jako nejlepší, uvažoval jsem i o implementaci typu „bit na bit“. Ovšem adresace takového pole by byla extrémně složitá a pole by muselo by být „slepeno“ z mnoha např. 32 bitových neznaménkových buněk, musel by se řešit plynulý přechod bitů mezi jednotlivými buňkami, atp. Celá implementace by se zřejmě dosti zpomalila, ovšem za cenu osminásobně menšího obsazení paměti. Vzhledem k tomu, že dnešní počítače jsou vybaveny operační pamětí
s velkou kapacitou, zvolil jsem raději rychlejší implementaci, byť za cenu vyššího využití operační paměti. Pole fitness Fz je jednorozměrné dynamické pole typu double. Při každém iteračním kroku do něj systém Matlab ukládá ohodnocení jedinců. ActVect je pole typu unsigned char, ukládá se do něj nejlepší jedinec z populace, ActValue pak ohodnocení nejlepšího jedince. iParam je důležitá vstupní tabulka, jsou zde uloženy rozsahy pro kódování parametrů do reálných čísel (omezující podmínky optimalizačního problému). sVect je vstupní parametr pouze pro <strong>algoritmy</strong> HCA, pokud uživatel požaduje začátek výpočtu od konkrétních bodů. Je to pole hodnot, které reprezentuje tzv. start vektor. 27 Konverzní metody Gray/Bin Int Real Optimalizační problém je na začátku obvykle zadáván v podobě reálných čísel. Taktéž ohodnocení jedinců je prováděno na základě účelové funkce, která se pohybuje v prostoru reálných čísel. Ovšem varianta algoritmů HCA a GA implementovaná v GATE potřebuje převést reálná čísla do binární podoby, jelikož provádí operace přímo s binárními řetězci. Je potřeba metod, které převedou reálná čísla do binární formy a zpět. O to se stará sada konverzních metod implementovaných v jádře COptMethod. Jedná se o Gray2Int, Int2Gray, Bin2Int, Int2Bin, Int2Real a Real2Int. Tyto metody jsou základním stavebním kamenem pro správnou funkci všech optimalizačních algoritmů. Převod reálných čísel probíhá následujícím způsobem: reálné číslo se převede pomocí kódovacích rozsahů z tabulky iParam na číslo typu unsigned int64 (Real2Int) a poté na číslo v binárním (Int2Bin) nebo Grayově kódu (Int2Gray), zároveň se bere v potaz, kolika bity je nutno kódovat daný parametr (nBitParam). Re − Μin Int = MaxInt ⋅ (1) Μax − Μin Max − Min Re = Int ⋅ + Min (2) MaxInt Vzorce (1) a (2) udávají převodní vztah pro konverzi mezi reálným a přirozeným číslem. Int je hodnota celočíselného typu a Re je reálné číslo. Min a Max jsou kódovací rozsahy parametrů uvedené v tabulce iParam. MaxInt je číslo, jehož hodnota udává maximální hodnotu pro kódování na nBitParam bitech (3). nBitParam MaxInt = 2 (3) Převodní metody pro převod z přirozených čísel Int do čísel binárních a zpět fungují tradičním způsobem podle vzorce (4). Int = a0 ⋅2 + a1 ⋅ 2 + ... + ai ⋅ 2 + ... + an−1 ⋅2 + an ⋅2 Kde : a ...a − bity binárního čísla Bin 0 0 n 1 i n−1 n (4) Chromozomy lze také kódovat pomocí Grayova kódování (Int2Gray, Gray2Int). Uvážíme-li, že v Grayově kódu je mezi dvěma libovolnými sousedními čísly změna pouze v jediném bitu, jeví se takové kódování jako výhodnější (změna jednoho bitu v chromozomu způsobí adekvátní změnu v reprezentaci reálného čísla). Převod probíhá nejdříve do binárního kódu a poté se převede do Grayova kódu pomocí následujícího algoritmu: 1) Dvojková číslice přímého binárního kódu s nejvyšší vahou se ponechá beze změny. 2) Každá následující dvojková číslice přímého binárního kódu se invertuje, pokud jí v přímém kódu předchází na vyšší váze jednička.
Page 1: VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ
Page 5 and 6: 5 1. Pan/paní LICENČNÍ SMLOUVA P
Page 7: 7 ABSTRAKT Tato diplomová práce s
Page 11: 11 Obsah: Zadání závěrečné pr
Page 15: 15 1 ÚVOD Cílem této diplomové
Page 18 and 19: 18 2.2 Heuristické metody V posled
Page 21 and 22: 21 3 GATE TOOLBOX GATE toolbox je s
Page 23: 23 GATE-DLL toolbox ÚČELOVÁ FUNK
Page 28 and 29: 28 V konverzních metodách jsem ne
Page 30 and 31: 30 4.1.3 Genetický algoritmus GA a
Page 32 and 33: 32 nastavení do/z XML souboru na p
Page 34 and 35: 34 4.2 Rozhraní DLL knihovny Kniho
Page 36 and 37: 36 4.3.2 Výkonné metody Funkce Po
Page 38 and 39: 38 Funkce Popis SetBinActVec(*BinAr
Page 40 and 41: 40 4.3.8 Struktura OptParams Strukt
Page 42 and 43: 42 4.4.3 Popis GATE-DLL funkcí V n
Page 44 and 45: 44 Funkce Popis Parametry Funkce Po
Page 46 and 47: 46 Matice vstupních vektorů x 10
Page 48 and 49: 48 4.5.3 Server aplikace Server apl
Page 50 and 51: 50 Číslo připojeného klienta Ro
Page 53 and 54: 53 5 PRAKTICKÉ TESTY GATE-DLL V t
Page 55 and 56: Z provedených testů rychlosti je
Page 57 and 58: 5.4 Schopnost nalezení řešení H
Page 59 and 60: 5.6 Statistické zobrazení vývoje
Page 61 and 62: 61 350 fitness 300 250 200 150 100
Page 63: 63 6 ZÁVĚR Řešení pomocí exte

vysokÃ© uÄenÃ­ technickÃ© v brnÄ evoluÄnÃ­ algoritmy - matlab gate toolbox

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?

vysokÃ© uÄenÃ technickÃ© v brnÄ evoluÄnÃ algoritmy - matlab gate toolbox