vysoké uÄenà technické v brnÄ evoluÄnà algoritmy - matlab gate toolbox
vysoké uÄenà technické v brnÄ evoluÄnà algoritmy - matlab gate toolbox
vysoké uÄenà technické v brnÄ evoluÄnà algoritmy - matlab gate toolbox
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
5.6 Statistické zobrazení vývoje výpočtů GA<br />
Tento test zobrazuje průběh hledání optima pomocí GA algoritmu. Bylo testováno na<br />
funkci F 6 a vytvořeny řezy po 10 generacích GA a zaznamenán výsledek. Každé měření bylo<br />
zopakováno 100krát, aby byl k dispozici dostatečně velký soubor statistických dat. Výsledkem<br />
měření je statistický graf, kde jsou na ose x vynášeny generace a na ose y průměr z nalezených<br />
řešení, medián a směrodatná odchylka.<br />
Nastavení GA:<br />
nParam = 4, nBitParam = 64, nIndi = 500, funName = 'F6', funOpt = 'min', iParam = [−5 5],<br />
mInit = 'random', mCode = 'GC'<br />
select(GA,'tournament',10)<br />
cross(GA,'pcross',[0.3 8])<br />
mutation(GA,'bitmut',0.01)<br />
Měření bylo opakováno pro každý generační limit 100krát.<br />
GA algoritmus, generační řezy (n = číslo generace):<br />
n 10 20 30 40 50 60 70 80<br />
x 1,52∙10 0 7,49∙10 -1 5,34∙10 -1 4,17∙10 -1 2,87∙10 -1 2,93∙10 -1 6,98∙10 -2 1,24∙10 -1<br />
~<br />
x 1,19∙10 0 9,95∙10 -1 5,22∙10 -3 8,74∙10 -5 4,68∙10 -7 1,37∙10 -8 4,12∙10 -10 1,65∙10 -11<br />
s 0,9155 0,7383 0,7554 0,6209 0,5984 0,5058 0,2551 0,3416<br />
n 90 100 110 120 130 140 150 160<br />
x<br />
~<br />
x<br />
2,98∙10 -2 5,28∙10 -2 2,98∙10 -2 9,95∙10 -3 1,99∙10 -2 1,64∙10 -2 1,27∙10 -15 0,00<br />
2,34∙10 -13 1,42∙10 -14 0,00 0,00 0,00 0,00 0,00 0,00<br />
s 0,1706 0,2194 0,1706 0,0995 0,1400 0,1181 9,55∙10 -15 0,00<br />
59<br />
2,5<br />
fitness<br />
2<br />
1,5<br />
1<br />
0,5<br />
průměr<br />
medián<br />
0<br />
0 20 40 60 80 100 120 140 160<br />
generace GA<br />
Obr. 30 Generační řezy průběhu optimalizace F 6 10 – 160 generací