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 63<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
materijala pri inicijalizaciji heuristikama, koji se kasnije može vrlo teško<br />
nadoknaditi.<br />
2.6.4.2 Heuristike za poboljšavanje jedinki u toku izvršavanja GA<br />
Osim korišćenja za inicijalizaciju početne populacije, heuristike se mogu<br />
koristiti i za poboljšavanje rešenja GA u svakoj generaciji. Moguće ih je primeniti<br />
na neku pojedinačnu jedinku (najčešće je to najbolja jedinka), na nekoliko<br />
jedinki ili na celu populaciju. U ovom <strong>rad</strong>u je težište bilo na fleksibilnoj i efikasnoj<br />
implementaciji osnovnog genetskog algoritma, dok je hibridizacija GA sa nekim<br />
drugim metodama bila u drugom planu. Dati pristup je već pokazao neke dobre<br />
karakteristike i može se očekivati da hibridizacijom GA pomoću nekih boljih<br />
heuristika dobijemo rešenja koji prevazilaze rezultate osnovnog genetskog<br />
algoritma. Detaljnije informacije o jednom pokušaju hibridizacije prostog GA<br />
mogu se videti u [Kra98b].<br />
2.6.4.3 Konverzija argumenata problema u genetski kod jedinke<br />
Pošto je u ovoj implementaciji primenjen princip da se poboljšane jedinke po<br />
pravilu vraćaju nazad u populaciju, u slučaju korišćenja heuristika za<br />
poboljšavanje rešenja, potrebna je i funkcija koja konvertuje argumente<br />
rešavanog problema u genetski kod jedinke. Nju je u matematičkom smislu<br />
jednostavno definisati kao inverznu funkciju prvog dela vrednosne funkcije.<br />
Mogu se javiti određene teškoće pri realizaciji, pošto se zahteva da ova funkcija<br />
bude efikasna.<br />
2.6.4.4 Konfigurisanje parametara problema<br />
Ova funkcija (u slučajevima kada je potrebna) u potpunosti prati način<br />
konfigurisanja parametara samog GA, samo na nivou konkretnog problema.<br />
Odgovarajući parametri vezani za konkretan problem mogu biti:<br />
• Podaci o pojedinačnim heuristikama za generisanje početne populacije sa<br />
pojedinačnim i ukupnim brojem njihovih podvarijanti;<br />
• Parametri potrebni za izvršavanje heuristika za poboljšavanje rešenja tokom<br />
izvršavanja GA;<br />
• Informacije o imenu datoteke sa instancom rešavanog problema, datoteke<br />
sa eventualnim optimalnim rešenjem i sličnim informacijama.<br />
2.6.4.5 Operatori ukrštanja i mutacije zavisni od prirode problema<br />
U GA implementaciji ravnopravno mogu učestvovati i operatori ukrštanja i<br />
mutacije koji zavise od prirode problema. Oni, za razliku od operatora opisanih<br />
u odeljku 2.4, nisu opšteg tipa, već su primenljivi samo za određenu užu klasu<br />
problema.<br />
2.7 Moguća unapređenja<br />
Jedno od najznačajnijih poboljšanja date implementacije je paralelizacija,<br />
koja je već ostvarena i detaljno opisana u narednom poglavlju. Dalja<br />
unapređenja GANP implementacije su moguća u nekoliko pravaca:<br />
• Primena raznih pristupa za bolju realizaciju kodiranja pomoću realnih brojeva<br />
i efikasnije rešavanje odgovarajućih problema numeričkog tipa relativno<br />
velikih dimenzija;<br />
• Pokušati hibridizaciju GA sa većim brojem drugih metoda, što bi moglo dalje<br />
poboljšati performanse ove implementacije.