Зменшення області пошуку генетичного алгоритму з використанням нейромережевого автокодувальника

Анотація

У статті розглядається проблема формування генетичного представлення для вирішення оптимізаційних задач за допомогою генетичних алгоритмів. Традиційно генетичне представлення являє собою набір з N ознак, що задають N-мірний простір гепотіпов, в якому виконується пошук рішення. Внаслідок неоптимального вибору набору ознак генотипний простір стає надмірним, область пошуку рішення збільшується, а це в свою чергу сповільнює пошук оптимуму, а також призводить до генерування кандидатів, не придатних до вимог задачі. Причиною цього є бажання охопити областю пошуку всі допустимі кандидати в рішення задачі. В оптимізаційних задачах з обмеженнями для пошуку оптимуму досить було б охопити тільки область придатних кандидатів, які потрапляють в задані задачею обмеження. Оскільки множина придатних кандидатів має меншу потужність, ніж множина всіх допустимих кандидатів, область пошуку рішення може бути вужчою. Зменшити область пошуку можна побудовою більш вигідного набору ознак, репрезентативного для множини придатних рішень. Але в разі малої кількості знань про предметну область конструювання оптимального набору ознак може виявитися нетривіальним завданням. У даній роботі пропонується використання методів навчання ознакам на основі вибірки придатних за умовами обмежень оптимізаційної задачі рішень. В якості такого методу використовується нейромережевий автокодувальник. Показано, що застосування підготовчого етапу конструювання набору ознак для побудови оптимального генетичного представлення дозволяє значно прискорити збіжність генетичного процесу до оптимуму, дозволяючи знаходити кандидатів високої пристосованості за меншу кількість ітерацій алгоритму.