saaaaa人工智能-免費(fèi)閱讀
【正文】 這個(gè)“Pan2”配置和“Pan”配置之間的一個(gè)重要不同，因?yàn)椤癙an2”配置進(jìn)行了一個(gè)局部搜索在初始化，交叉和變異，在“Pan2”配置中估計(jì)的數(shù)目比在“Pan”配置（甚至種群的大小和代數(shù)是相同的）中更高。IM和MK甚至在適應(yīng)性進(jìn)展方面比EA還差。窗體頂端從我們的CEA的實(shí)驗(yàn)的結(jié)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(xiàn)和平均MK配置相似。窗體頂端起初，我們看到，在我們的隨機(jī)交配模型EA（PAN）中的表型多樣性隨著時(shí)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(shí)驗(yàn)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(gè)選擇方案，其中一個(gè)島嶼送適應(yīng)性最好的個(gè)體作為移民到其他島嶼。這個(gè)配置標(biāo)記為“Pan”。每一代，我們計(jì)算平均適應(yīng)度，平均基因型多樣性和平均表型多樣性。相對(duì)于其他的美學(xué)度量，使用這種美學(xué)度量在適應(yīng)度的增長(zhǎng)通常是緩慢的。讓我們想象一下兩個(gè)非常不同的圖像Ia和Ib，并假設(shè)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(jià)的，但絕對(duì)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(shù)是linear5,linear9,pact9和隨機(jī)行走（看圖2）.另外，人們能夠區(qū)別一個(gè)CEA的寬度和高度；一個(gè)瘦的拓?fù)洌ㄆ渲懈叨葘挾龋┙o出個(gè)更低的選擇壓力，同時(shí)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(jīng)在我們的IM實(shí)現(xiàn)增加了這種Multikulti方法，并用它們做了一些實(shí)驗(yàn)（見IVF）。島按一定海島拓?fù)浔舜诉B接。Skolicki等人研究了遷移的大小和遷移時(shí)間間隔的作用在IM內(nèi)，并發(fā)現(xiàn)這兩個(gè)參數(shù)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(gè)生態(tài)系統(tǒng)中生物改變他們的環(huán)境，其中他們經(jīng)營(yíng)使用一個(gè)名為“眾建”[19]的技術(shù)，一種方法[8]。接下來(lái)，我們?cè)诘谌?jié)討論種群多樣性和空間結(jié)構(gòu)化的人口（IM和CEA）。因此，我們認(rèn)為，EvoArt的表型多樣性應(yīng)該通過由基因型產(chǎn)生的圖像之間的差來(lái)計(jì)算，在本文中，我們用眾所周知的圖像距離度量（Stricker amp。我們認(rèn)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(yīng)用，天生更看重探索。關(guān)鍵字：進(jìn)化藝術(shù)，人口密度，基因工程，細(xì)胞進(jìn)化算法，孤模型。缺乏種群多樣性會(huì)導(dǎo)致效率低下的搜索行為和過早收斂。我們也用具有增強(qiáng)遺傳操作比較了結(jié)構(gòu)化的人口的應(yīng)用與隨機(jī)交配EA的應(yīng)用。全民健身評(píng)價(jià)由審美措施執(zhí)行。探索39。我們認(rèn)為，這種假設(shè)在EvoArt的領(lǐng)域內(nèi)并不能站穩(wěn)腳跟。同時(shí)在本文中，我們對(duì)比了標(biāo)準(zhǔn)，有兩種模式的結(jié)構(gòu)化人群的隨機(jī)交配EA模式；島模式或IM和蜂窩進(jìn)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€(gè)基因型距離函數(shù)和表型的距離函數(shù)來(lái)執(zhí)行本地搜索步驟。窗體頂端關(guān)于IM的文獻(xiàn)是廣泛的，最明顯的是在作用在IM特定參數(shù)（如遷移的大小，間隔等）。孤島模型：在空間結(jié)構(gòu)種群的一個(gè)著名的例子是島型或IM。 IM的良好概述是[23]和[1]。一個(gè)CEA定義了每一個(gè)個(gè)體的鄰域且選擇只能在這鄰域上進(jìn)行。emeth距離函數(shù)來(lái)計(jì)算基因型函數(shù)。該指標(biāo)使用幾個(gè)規(guī)則的不同類型的節(jié)點(diǎn)（文字，函數(shù)，空等），詳情可參考文獻(xiàn)[17]。每個(gè)圖像特征被分配一個(gè)權(quán)重w且權(quán)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(yàn)中，我們使用了一個(gè)審美尺度的適應(yīng)度函數(shù)。首先，隨機(jī)交配的EA，IM和CEA之間的比較應(yīng)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(duì)于隨機(jī)
化學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1