You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
24 Paralelizacija GA za rešavanje nekih NP-kompletnih problema<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
dobijenih dobrih jedinki "nesretnom" primenom nekog genetskog operatora<br />
(selekcije, ukrštanja ili mutacije). Rezultat toga su obično slabije performanse<br />
GA u nekoliko početnih generacija, ali su konačni rezultati stacionarnog GA uz<br />
elitne strategije u najvećem broju primena bolji u odnosu na rezultate<br />
generacijskog GA. Detaljnije oko ovog aspekta GA se može naći u <strong>rad</strong>ovima<br />
[Sys91] i [SmR93].<br />
1.2.3.5 Funkcija prilagođenosti<br />
Način računanja funkcije prilagođenosti takođe može da utiče, u velikoj meri,<br />
na performanse GA. Osim običnog (linearnog) skaliranja, direktnog ili inverznog<br />
skaliranja u neki interval (najčešće u interval [0,1]), razvijena je i posebna<br />
tehnika sigma odsecanja (sigma truncation scheme). One su detaljno opisane u<br />
odeljku 2.3.1, a takođe i u <strong>rad</strong>ovima [Sri94] i [BeD93a]. Primenjuju se još i<br />
tehnike rangiranja prilagođenosti jedinki u populaciji (fitness ranking) i implicitna<br />
funkcija prilagođenosti (implicit fitness remapping).<br />
Jedan od pokušaja da se obezbedi bolja funkcija prilagođenosti je korišćenje<br />
tzv. Gray kodova, čija je osobina da se susedni genetski kodovi razlikuju samo<br />
u jednom bitu. Time se u nekim pogodnim slučajevima mogu poboljšati<br />
performanse genetskih algoritama.<br />
1.2.3.6 Ukrštanje i mutacija<br />
Izbor operatora ukrštanja takođe utiče na performanse GA, ali u nešto<br />
manjoj meri od prethodnih tehnika. Generalno, izbor operatora ukrštanja zavisi i<br />
od međuzavisnosti gena u genetskom kodu. U problemima sa velikom<br />
međuzavisnošću bitova, najpogodnije je jednopoziciono ukrštanje, jer se<br />
pomoću njega najmanje razbija celina jedinke. Za probleme sa manjom<br />
međuzavisnošću bitova je najpogodnije dvopoziciono ili višepoziciono ukrštanje.<br />
U problemima gde su bitovi potpuno nezavisni, ili je zavisnost vrlo mala,<br />
najpogodnije je uniformno ukrštanje, iako teorijski za njega ne važi hipoteza o<br />
g<strong>rad</strong>ivnim blokovima. Detaljnije o raznim vrstama ukrštanja se može videti u 2.<br />
poglavlju kao i u <strong>rad</strong>ovima [BeD93b] i [Sri94].<br />
Generalno se u slučaju mutacije, za razliku od ukrštanja, uglavnom koristi<br />
samo prosta mutacija. Ona može biti realizovana na neki brži način (na primer<br />
korišćenjem normalne raspodele). Izuzetak su jedino operatori mutacije zavisni<br />
od prirode problema.<br />
Postoji priličan broj genetskih operatora (ukrštanja i mutacije) zavisnih od<br />
prirode problema. To se dešava najčešće u slučajevima kada se jedinke<br />
kodirane na poseban način, pa postoji određena struktura koja mora biti<br />
očuvana primenom genetskih operatora. Drugi način korišćenja specifičnih<br />
genetskih operatora, je pri rešavanju problema sa mnogo uslova (constrained<br />
problems), gde postoje nekorektni genetski kodovi. Ukrštanje i mutacija se<br />
konstruišu tako da čuvaju korektnost genetskih kodova jedinki na koje se<br />
primenjuju. Pri tome se teži očuvanju osobina kanonskog GA i za operatore<br />
zavisne od prirode problema.<br />
Jedan od prvih primera ovakvih operatora je dao Goldberg, razvijajući PMX<br />
(partially matched crossover) za korišćenje u problemima koji zavise isključivo<br />
od poretka, a ne i od vrednosti (order-based problems). Operator je konkretno<br />
primenjen na problemu trgovačkog putnika, i može se videti u [Gol85]. Posle<br />
toga se pojavilo više takvih genetskih operatora koji se mogu primeniti samo na