Алгоритм Ларсена

Шаг 1. Выполняется также как и алгоритм Мамдани, т.е. находится степени истинности для предпосылок каждого правила А1(х0), А2(х0), В1(у0), В2(у0).

Шаг 2. На данном этапе находятся уровни отсечения для предпосылок каждого правила (также как и в алгоритме Мамдани). Находятся частные нечеткие подмножества с помощью операции произведения, т.е.

a1С1(z)*a2C2(z)

Шаг 3. Находится итоговое нечеткое подмножество с помощью операции max

m_S(z) = C(z)=a1C1(z)Úa2C2(z)

Шаг 4. Находится четкое значение z0 с помощью одного из методов дефаззификации.

Простой генетический алгоритм

3 этап. Проверка условия завершения алгоритма. Условие завершения алгоритма выбирается в зависимости от конкретной ситуации. В оптимизационных задачах если известно максимальное и минимальное значение целевой функции, то остановка алгоритма может произойти при достижении ожидаемого оптимального значения. Алгоритм может быть завершен по истечении определенного времени выполнения алгоритма или же после выполнения заданного количества итераций. Если условие завершения алгоритма выполнено, то выполняется переход к завершающему этапу выбора лучшей хромосомы. Иначе будет селекция хромосом.

4 этап. Селекция хромосом заключается в выборе по рассчитанным значениям целевой функции тех хромосом, которые будут участвовать в создании потомков для следующих популяций. Такой выбор выполняется согласно принципу естественного отбора по которому наибольшие шансы на участие в создании новых особей имеют хромосомы с наибольшими значениями целевой функции.

5 этап. Применение генетических операторов. В простом ГА выполняется два оператора: рекомбинации или хросенговера и модификации или мутации. Оператор хросенговера играет первостепенную роль – это означает, что скрещивание в классическом генетическом алгоритме выполняется практически всегда, а мутация редко. Мутация хромосом может выполняться на популяции родителей перед скрещиванием, либо на популяции потомков, образованных после скрещивания.

6 этап. Создание новой популяции. Хромосомы полученные в результате применения генетических операторов включаются в состав новой популяции. Эта популяция является текущей популяцией для данной итерации ГА. На каждой итерации ГА рассчитывается значение целевой функции для всех хромосом этой популяции. После чего проверяется условие завершения алгоритма и либо фиксируется результат в виде хромосомы с наибольшим значением целевой функции, либо осуществляется переход к следующему шагу ГА.

7 этап. Выбор лучшей хромосомы. Если условие завершения алгоритма выполнено, то следует представить искомое решение. Лучшим решением считается хромосома с наибольшим значением целевой функции.

Дата добавления: 2015-07-15