saaaaa人工智能-免費閱讀
【正文】 這個“Pan2”配置和“Pan”配置之間的一個重要不同，因為“Pan2”配置進行了一個局部搜索在初始化，交叉和變異，在“Pan2”配置中估計的數目比在“Pan”配置（甚至種群的大小和代數是相同的）中更高。IM和MK甚至在適應性進展方面比EA還差。窗體頂端從我們的CEA的實驗的結果顯示出類似的圖象（圖3）。在表型多樣性方面得分最高的CEA配置表現和平均MK配置相似。窗體頂端起初，我們看到，在我們的隨機交配模型EA（PAN）中的表型多樣性隨著時間的推移在減少，這是典型的為EA的開發(fā)階段。在我們的實驗中使用的CEA我們改變了CEA和寬度和高度的鄰域。在我們的一般的IM配置中，我們使用一個選擇方案，其中一個島嶼送適應性最好的個體作為移民到其他島嶼。這個配置標記為“Pan”。每一代，我們計算平均適應度，平均基因型多樣性和平均表型多樣性。相對于其他的美學度量，使用這種美學度量在適應度的增長通常是緩慢的。讓我們想象一下兩個非常不同的圖像Ia和Ib，并假設這些圖像用我們的審美尺度衡量得分相同；這將意味著我們的圖像是等價的，但絕對不意味著他們是平等的。A、 基因型距離窗體頂端Ek39。眾所周知的鄰域函數是linear5,linear9,pact9和隨機行走（看圖2）.另外，人們能夠區(qū)別一個CEA的寬度和高度；一個瘦的拓撲（其中高度寬度）給出個更低的選擇壓力，同時趨向于在多模態(tài)問題中更有效。由于我們打算增加和維持種群的多樣性在我們EvoArt系統(tǒng)中，我們已經在我們的IM實現增加了這種Multikulti方法，并用它們做了一些實驗（見IVF）。島按一定海島拓撲彼此連接。Skolicki等人研究了遷移的大小和遷移時間間隔的作用在IM內，并發(fā)現這兩個參數中在IM的成功中起著重要的作用。McCormack和Bown用創(chuàng)造性的生態(tài)系統(tǒng)描述了一種方法，在這個生態(tài)系統(tǒng)中生物改變他們的環(huán)境，其中他們經營使用一個名為“眾建”[19]的技術，一種方法[8]。接下來，我們在第三節(jié)討論種群多樣性和空間結構化的人口（IM和CEA）。因此，我們認為，EvoArt的表型多樣性應該通過由基因型產生的圖像之間的差來計算，在本文中，我們用眾所周知的圖像距離度量（Stricker amp。我們認為，前兩種形式的創(chuàng)造力（組合和探索）是目前在系統(tǒng)EvoArt伸手可及的。另一種看法是，EvoArt比起應用，天生更看重探索。關鍵字：進化藝術，人口密度，基因工程，細胞進化算法，孤模型。缺乏種群多樣性會導致效率低下的搜索行為和過早收斂。我們也用具有增強遺傳操作比較了結構化的人口的應用與隨機交配EA的應用。全民健身評價由審美措施執(zhí)行。探索39。我們認為，這種假設在EvoArt的領域內并不能站穩(wěn)腳跟。同時在本文中，我們對比了標準，有兩種模式的結構化人群的隨機交配EA模式；島模式或IM和蜂窩進化算法或CEA。在以前的工作中，我們?yōu)榻徊婧妥儺惒僮魇褂靡粋€基因型距離函數和表型的距離函數來執(zhí)行本地搜索步驟。窗體頂端關于IM的文獻是廣泛的，最明顯的是在作用在IM特定參數（如遷移的大小，間隔等）。孤島模型：在空間結構種群的一個著名的例子是島型或IM。 IM的良好概述是[23]和[1]。一個CEA定義了每一個個體的鄰域且選擇只能在這鄰域上進行。emeth距離函數來計算基因型函數。該指標使用幾個規(guī)則的不同類型的節(jié)點（文字，函數，空等），詳情可參考文獻[17]。每個圖像特征被分配一個權重w且權重示于表I中.C、 Ralph 和 Ross的鐘形曲線窗體頂端在本文中的所有試驗中，我們使用了一個審美尺度的適應度函數。首先，隨機交配的EA，IM和CEA之間的比較應該敬克能“公平”，所以，我們決定使得所有的種群的大小相同，256。對于隨機
化學相關推薦
鄂ICP備17016276號-1