You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Sekvencijalna GA implementacija 49<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
Pri ovakvom pristupu se u narednu generaciju direktno bira najboljih N elite +<br />
N pass jedinki. Pošto je jedna kopija svake od tih jedinki direktno prošla u<br />
narednu generaciju, a zatim još i ravnopravno učestvuju u selekciji preostalog<br />
dela populacije u narednoj generaciji, one bi bile neopravdano privilegovane u<br />
odnosu na ostale jedinke u populaciji. Šanse ostalih jedinki da budu izabrane u<br />
narednu generaciju bi time bile svedene na minimum, i one bi izgubile svaki<br />
značaj tokom izvršavanja GA.<br />
Da bi se izbegla ova anomalija, posle direknog izbora ”privilegovanih” jedinki<br />
u narednu generaciju, vrši se popravka (smanjivanje) njihovih prilagođenosti pre<br />
izbora jedinki za preostali deo populacije u sledećoj generaciji. Popravka<br />
prilagođenosti "privilegovanih" jedinki se vrši po formuli (2.9).<br />
(novo) f i =<br />
f =<br />
1<br />
N<br />
pop<br />
⎧ fi<br />
− f , fi<br />
> f<br />
⎨<br />
⎩ 0 , fi<br />
≤ f<br />
N pop<br />
i=<br />
1<br />
1 ≤ i ≤ N elite + N pass (2.9)<br />
⋅ ∑ f<br />
i<br />
(2.10)<br />
Vrednost f data u (2.10) je srednja vrednost prilagođenosti svih jedinki u<br />
populaciji pre popravke. Ovakav pristup obezbeđuje ravnopravniji tretman svih<br />
jedinki u populaciji, jer se prilagođenost ”privilegovanih” jedinki smanjuje za onu<br />
vrednost kojom su ”nagrađene” direktnim izborom u narednu generaciju. Time i<br />
nešto slabije jedinke, koje mogu sadržati dobre gene, čuvaju svoje šanse pri<br />
primeni operatora selekcije.<br />
2.3.3.1 Generacijski GA<br />
Generacijski GA je model u kome se na sve jedinke u populaciji primenjuju<br />
genetski operatori, što predstavlja slučaj ako se oba gore pomenuta parametra<br />
postave na nultu vrednost (N elite = 0, N pass = 0).<br />
Ovaj model najviše odgovara teorijskim aspektima GA (teorema o shemama<br />
i hipoteza o g<strong>rad</strong>ivnim blokovima). I u praktičnim aspektima GA, ovakav pristup<br />
ima nekih prednosti. Na primer, moć pretrage i selekcioni pritisak su veći u<br />
odnosu na ostale pristupe jer sve jedinke aktivno učestvuju pri izvršavanju<br />
genetskog algoritma i potpuno su ravnopravne.<br />
Međutim, najveći nedostatak ovakvog pristupa je mogućnost gubljenja<br />
dobrih gena ili jedinki nekom ”nesretnom” primenom genetskih operatora. Zbog<br />
toga veliki selekcioni pritisak može da anulira dobru moć pretrage jer se stalno<br />
mogu naizmenično dobijati i gubiti ista rešenja. Dakle, ovakva politika zamene<br />
generacija ne mora da predstavlja i najbolji pristup u primeni GA.<br />
Pri rešavanju nekih problema prethodno opisana anomalija ne dolazi do<br />
izražaja, pa se mogu dobiti i rešenja odličnog kvaliteta. Međutim, takvih<br />
problema je relativno malo, pa se sugeriše primena ovakvog modela samo kao<br />
pomoćnog u izuzetnim slučajevima, a da se kao osnovni model primeni neka od<br />
ostalih politika zamene generacija.<br />
2.3.3.2 Stacionarni GA<br />
Ovakav pristup favorizuje jedan deo generacije, pa određeni broj najboljih<br />
jedinki (N pass ) ne prolazi kroz selekciju, već je direktno izabran. Imajući u vidu
Change language