선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 스키마의 적합도가 높을수록 defining length가 짧아지도록 유전자를 재배열하여 유전자 알고리즘을 적용하는 전략을 제시한다. 스키마의 적합도와 defining length가 관련을 갖게 유전자를 재배열 하는 것은 매우 어렵고 문제마다 다른 방법을 요구한다.
- 위의 교배 방법에서는 부모를 한 지점 혹은 두 지점에서 잘라 서로 교차되게 접합 시켜 자식을 만들게 되는데 유전자의 배열순서에 따라 자식에게 물려주면 바람직한 우수한 형질의 스키마가 보존이 될 수도 있고 그렇지 않을 수도 있다. 본 논문에서는 유전자 알고리즘을 적용하기 전에 유전자 배열을 바꾸어 줌으로써 유전자 알고리즘의 성능향상을 모색한다. 유전자 재배열이유 전자 알고리즘의 성능에 미치는 영향을 측정하기 위하여 전형적인 최적화 문제인 그래프 분할과 knapsack 문제를 사용하였다.
- 본 논문에서는 유전자의 배열순서가 유전자 알고리즘의 성능에 어떠한 영향을 미치는가를 두 개의 예제를 통하여 실험적으로 고찰하였다. 많은 문제에서 해는 일차원스트링으로 코드화된다.
가설 설정
- 교배연산자는 원 포인트 교배를 사용하였다. 돌연변이 비율은 0.02%로 한정하였다. 본 논문에서 구현한 유전자 알고리즘은 steady-state 알고리즘이다.
- 집합 %를 cut set이라 한다. 본 논문에서는 k 값을 2로 제한하고 모든 점 ㎛의 wei아it 气를 1로 가정하였다. 또한 집합, 안의 점의 개수를 7V이라 할 때 분할된 두 집합의 용량은 #이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.