Wpływ parametrów startowych na tempo zbieżności koewolucyjnego algorytmu genetycznego

• Authors: Michał Kameduła , Jan Gajda

Title variants

EN

Impact of the starting parameters on the convergence of results for a coevolutionary genetic algorithm

• Languages of publication: PL

Abstracts

PL

W pracy tej zaprezentowano procedurę pozwalającą zbadać wpływ parametrów startowych na tempo zbieżności algorytmu genetycznego. Jej zaletą jest fakt, że bierze ona pod uwagę nie tylko samą szybkość znalezienia rozwiązań bliskich optymalnym, ale również stabilność wyników. Przedstawioną metodę wykorzystano następnie do wyboru najlepszej wartości parametrów pewnego koewolucyjnego algorytmu analizy portfelowej. Wykazano przy tym, że dla zadania dwukryterialnego daje on lepsze wyniki, niż niezależne przebiegi zwykłego algorytmu genetycznego przetwarzającego jedną populację na raz. Jednocześnie jednak wymiana informacji pomiędzy niszami podlegającymi koewolucji powinna zostać przerwana, gdy znajdziemy już zestaw rozwiązań bliskich optymalnym. Wykazano też znaczny wpływ parametrów mutacji na zbieżność algorytmu.

EN

In this work we propose a procedure for testing the impact of starting parameters on the convergence of a genetic algorithm. Although the described solution is quite time consuming it takes into consideration both number of iterations required and stability of obtained results. We then proceed to infer optimal values of such parameters for a certain co-evolutionary portfolio analysis algorithm. We prove, that such an implementation is superior to simple genetic algorithms operating on a single population when dealing with multi-objective fitness functions. However, the exchange of information between different niches should not be enabled for too long. We also point out the big impact that often disregarded mutation procedure can have on the convergence to suboptimal solutions. Interestingly, both too high and too low probability of mutation can have a noticible negative impact on the performance of a given algorithm.

Keywords

PL

Algorytmy genetyczne; Koewolucja; Zbieżność rozwiązań

EN

Co-evolution,; Convergence; Genetic algorithms

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2015
• Volume: 235
• Pages: 100-112

Contributors

author

Michał Kameduła

author

Jan Gajda

References

• Angelova M., Pencheva T. (2011), Tuning Genetic Algorithm Parameters to Improve Convergence Time, „International Journal of Chemical Engineering”.
• Arabas J. (2001), Wykłady z algorytmów ewolucyjnych, Wydawnictwo Naukowo-Techniczne, Warszawa.
• DeFusco R., McLeavey D., Pinto J., Runkle D. (2013), Quantitative investment analysis, Wiley, Hoboken.
• Goldberg D. (2003), Algorytmy genetyczne i ich zastosowania, Wydawnictwo Naukowo--Techniczne, Warszawa.
• Gwiazda T. (1998), Algorytmy genetyczne – zastosowania w finansach, Wydawnictwo WSPiZ, Warszawa.
• Jajuga K. (2007), Zarządzanie ryzykiem, Wydawnictwo Naukowe PWN, Warszawa.
• Laumans M., Thiele L., Deb K., Zitzler E. (2001), On the Convergence and Diversity Preservation of Multi-Objective Evolutionary Algorithms, TIK Report No. 108, Institut für Technische Informatik und Kommunikationsnetze, Zürich.
• Markowitz H. (1970), Portfolio Selection Efficient Diversification of Investments, Cowles Foundation Monograph 16, Yale University Press, New Heaven and London.

Identifiers

ISSN

2083-8611