You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
50 Paralelizacija GA za rešavanje nekih NP-kompletnih problema<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
vrednost ovog parametra, operator selekcije automatski vrši izbor jedinki za<br />
narednu generaciju samo na preostala slobodna mesta (N pop - N pass ).<br />
Ovakav pristup smanjuje moć pretrage, ali se istovremeno smanjuje i<br />
selekcioni pritisak, čime se čuva dobar genetski materijal. Time ne samo da se<br />
u velikoj meri izbegava mogućnost gubljenja dobrih jedinki, već se čuvaju i dobri<br />
geni, koji zatim uz pomoć operatora ukrštanja mogu dati još bolje jedinke.<br />
2.3.3.3 Elitistička strategija<br />
Korišćenjem ove politike zamene generacija najboljih N elite jedinki direktno<br />
prolazi u narednu generaciju bez primene genetskih operatora selekcije,<br />
ukrštanja i mutacije. Pošto se na date jedinke ne primenjuju genetski operatori,<br />
njihove vrednosti se prenose iz tekuće u narednu generaciju, bez potrebe za<br />
ponovnim računanjem. Ovakav pristup čuva najbolje jedinke u potpunosti, ali se<br />
još više smanjuje moć pretrage GA.<br />
Prednost ovakvog pristupa je u tome što je vrednosti elitnih jedinki potrebno<br />
izračunati samo u prvoj generaciji GA, a zatim se one prenose. Pošto u većini<br />
primena, a pogotovo u rešavanju NP-kompletnih problema, vrednosna funkcija<br />
zahteva najveći deo procesorskog vremena u odnosu na sve ostale delove GA,<br />
dodavanje većeg broja elitnih jedinki praktično vrlo malo utiče na povećanje<br />
vremena izvršavanja. Često je moguće da zbog keširanja vreme izvršavanja<br />
bude čak i kraće, kao što je moguće videti u primeru 5.3 .<br />
Preporučuje se korišćenje većeg broja elitnih jedinki u populaciji pošto<br />
njihovo dodavanje nije vremenski zahtevno, a one doprinose čuvanju dobrih<br />
rešenja i njihovoj rekombinaciji za dobijanje još boljih rešenja od strane ostalog<br />
”neprivilegovanog” dela populacije. Zbog toga ne samo što GA primenom<br />
elitističkih strategija dobija bolje rešenje, već je disperzija u kvalitetu rešenja<br />
mnogo manja, ako se genetski algoritam izvršava više puta. Time je i samo<br />
izvršavanje stabilnije, a kvalitet rešenja se može bolje predvideti.<br />
2.3.3.4 Stacionarni GA sa elitističkom strategijom<br />
Moguća je i kombinacija stacionarnog GA sa elitističkom strategijom, gde se<br />
oba parametra N elite i N pass postavljaju na celobrojne pozitivne vrednosti. U tom<br />
slučaju se prvo razmatra N elite najboljih jedinki koje kao ”elitne” prolaze bez<br />
primene genetskih operatora. Zatim od preostalih N pop - N elite jedinki u populaciji<br />
najboljih N pass prolazi direktno samo selekciju, ali se na njima primenjuju<br />
operatori ukrštanja i mutacije. Na konačno preostala mesta u populaciji, kojih<br />
ima N pop - N elite - N pass , se primenjuju svi genetski operatori. Ovakav pristup<br />
predstavlja kompromis između prethodnih strategija, što u nekim slučajevima<br />
može dati dobre rezultate.<br />
2.4 Genetski operatori<br />
Osim prethodno opisanih važnih aspekata za uspešnu primenu GA, kao što<br />
su kodiranje, funkcija prilagođenosti i politika zamene generacija, vrlo su<br />
značajni i genetski operatori. Pri rešavanju praktičnih problema veće dimenzije,<br />
dobro podešavanje genetskih operatora je presudan faktor za kvalitet dobijenih<br />
rešenja.<br />
U ovoj implementaciji su direktno realizovani osnovni genetski operatori:<br />
selekcija, ukrštanje i mutacija. Pošto je pojava ostalih genetskih operatora<br />
rudimentarna, njihova primena vrlo retka, a i najčešće se mogu prikazati kao
Change language