Algorytmy genetyczne z trójosobniczym operatorem krzyżowania

• Authors: Handzel Zbigniew , Gajer Mirosław

Title variants

EN

Genetic Algorithms with Crossing-over of Three Individuals

• Languages of publication: PL

Abstracts

PL

W artykule przedstawiono sposób funkcjonowania trójosobniczego operatora krzyżowania osobników. Tego rodzaju procesy genetyczne nie są spotykane w świecie przyrody i też nigdy prawdopodobnie nie dojdzie do ich spontanicznego pojawienia się w naturze. Taki stan rzeczy jednak w żaden sposób nie wyklucza możliwości podejmowania prób stosowania krzyżowania trójosobniczego w przypadku stosowanych na potrzeby rozwiązywania zagadnień optymalizacyjnych algorytmów genetycznych.(fragment tekstu)

EN

In the paper we discuss the possibility of using crossing-over operator for three different individuals. Such a process is not met in the nature, but of course can be implemented in genetic algorithms performed by the computers. Thanks to this new crossing-over operator the genetic material of the whole population should be mixed in a much higher degree in comparison with the classical genetic algorithm. However, the ultimate goal is to reduce the time which is necessary for the genetic algorithm to find the solutions of relatively-good quality for the given optimization problem.(original abstract)

Keywords

PL

Innowacje; Algorytmy genetyczne; Eksperyment badawczy

EN

Innovations; Genetic algorithms; Scientific experiment

• Publisher: Wydawnictwo WSEI Kraków
• Journal: Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie
• Year: 2013
• Volume: 9
• Pages: 121-125

Contributors

author

Handzel Zbigniew

• Wyższa Szkoła Ekonomii i Informatyki w Krakowie

author

Gajer Mirosław

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

References

• Goldberg D. E., Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne, Warszawa 1996.
• Rutkowska D., Piliński M, Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź, 1997.
• Michalewicz Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, Warszawa, 2003.
• Arabas J., Wykłady z algorytmów ewolucyjnych, Wydawnictwa Naukowo-Techniczne, Warszawa;
• Rutkowski L., Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa, 2004.
• Gajer M., Accelerating the rate of evolutionary processes with the use of constant learning, Przegląd Elektrotechniczny, vol. 87, n. 1, 2011, pp. 204-209.
• Gajer M., Implementation of evolutionary algorithms in the discipline of Artificial Chemistry, Przegląd Elektrotechniczny, vol. 87, n. 4, 2011, pp. 198-202.
• Gajer M., The implementation of the evolutionary computations in the domain of electrical circuits theory, Przegląd Elektrotechniczny, vol. 87, n. 6, 2011, pp. 150-153.
• Gajer M., Visualization of particle swarm dynamics with the use of Virtual Reality Modeling Language, Przegląd Elektrotechniczny, vol. 87, n. 11, 2011, pp. 20-24.
• Gajer M., The analysis of impact of learning on the rate of evolution in the case of a multimodal fitness, function. Przegląd Elektrotechniczny, vol. 86, n. 2, 2010, pp. 24-29.
• Gajer M., The implementation of the evolutionary algorithm for the analysis of nonlinear electrical circuits, Przegląd Elektrotechniczny, vol. 86, n. 7, 2010, pp. 342-345.