Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
20 Paralelizacija GA za rešavanje nekih NP-kompletnih problema<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
Na slici 1.1 je dat shematski zapis osnovnih elemenata GA:<br />
Učitavanje_Ulaznih_Podataka();<br />
Inicijalizacija_Populacije();<br />
while (! Kriterijum_Završetka_GA() )<br />
{<br />
for (i=0; i< N pop ; i++) p i = Vrednosna_Funkcija();<br />
Funkcija_Prilagođenosti();<br />
Selekcija();<br />
Ukrštanje();<br />
Mutacija();<br />
}<br />
Štampanje_Izlaznih_Podataka();<br />
Slika 1.1 Shematski zapis GA<br />
1.2.2 Prost GA i njegovi nedostaci<br />
Najprostija varijanta genetskog algoritma je opisana u Holland-ovoj knjizi<br />
[Hll75] i sastoji se od proste rulet selekcije, jednopozicionog ukrštanja i proste<br />
mutacije i ona se u literaturi obično naziva prost genetski algoritam (simple<br />
genetic algorithm - SGA). Detaljan opis datih genetskih operatora sa primerima<br />
se može naći u 3. poglavlju.<br />
U teorijskim rezultatima prost GA najbolje odgovara hipotezi o g<strong>rad</strong>ivnim<br />
blokovima i teoremi o shemi, ali ima neke nedostatke u praktičnoj primeni. U<br />
teorijskim razmatranjima se veličina populacije ne uzima u obzir, jer se smatra<br />
implicitno da populacija ima beskonačno mnogo članova. Tada se lako<br />
primenjuju matematičke tehnike iz teorije verovatnoće. Međutim, u realnim<br />
uslovima populacija ipak sadrži konačno mnogo jedinki pa primenom genetskih<br />
operatora selekcije, ukrštanja i mutacije nastaje greška uzorkovanja (sampling<br />
error), koja može značajno uticati na izvršavanje GA. Iako je, u proseku, na<br />
velikom obimu uzorka, broj potomaka svake jedinke približno jednak<br />
očekivanom broju, pojedinačno je moguće prilično veliko odstupanje. Ukoliko<br />
takvo odstupanje nastupi u nekoliko početnih generacija, ono može da utiče<br />
presudno na kasnije performanse GA: kvalitet dobijenog rešenja i brzinu<br />
konvergencije. U tom slučaju genetski operatori gube svoju prvobitnu funkciju i<br />
postaju nedelotvorni ili destruktivni. Dati problemi se najčešće manifestuju kroz<br />
gubitak genetskog materijala, preuranjenu konvergenciju i sporu konvergenciju<br />
GA.<br />
1.2.2.1 Preuranjena konvergencija i gubitak genetskog materijala<br />
Najčešći problem u primeni prostog genetskog algotima je tzv. preuranjena<br />
konvergencija. Data pojava se dešava ukoliko jedna ili nekoliko relativno dobrih<br />
jedinki, ali ne i optimalnih, postepeno preovlada u populaciji i proces konvergira<br />
u lokalnom ekstremu. Pri tome, u nastavku izvršavanja, mogućnosti genetskog<br />
algoritma za poboljšanje datog rešenja su jako male. Osnovni razlozi za to su:<br />
• Selekcija i ukrštanje u populaciji sa istim jedinkama nema nikakvog efekta.<br />
• Jedino mutacija, teorijski, može da doprinese izlazu iz date situacije,<br />
međutim zbog potpuno uništenog genetskog materijala, u praksi je često<br />
bez efekata. Ukoliko je nivo mutacije relativno mali, promene genetskog