Все ответы можно найти в интернете.

__________________
Алексей-210405

Ребята помогите с 12м вариантом! не могу зачесть. везде придираются. скиньте на мыльцо exc-jacks-гав-mail.ru

Всем привет! Может есть у кого курсовой Информатика-4 Тимченко С. В.

вариант 15.

t8ik9mail.ru

3.) Когда заканчивается процесс вычисления в ГА?
Определение условия остановки генетического алгоритма зависит от его конкретного применения. В оптимизационных задачах, если известно минимальное (или максимальное) значение функции приспособленности, то остановка алгоритма может произойти после достижения ожидаемого оптимального значения, возможно – с заданной точностью. Остановка алгоритма также может произойти в случае, когда его выполнение не приводит к улучшению уже достигнутого значения. Генетический алгоритм может быть также остановлен по истечении определенного времени выполнения либо после выполнения заданного количества итераций.
В рассматриваемом нами алгоритме процесс вычисления заканчивается после выполнения заданного количества итераций (поколений).
4.) Что необходимо добавить в Вашу программу, что бы алгоритм находил максимум?
В программе, представленной в методическом пособии и взятой за основу, используется процедура расчета статистик популяции:

procedure statistics(popsize:integer; var max, avg, min, sumfitness: real; var popopulation); {Расчетстатистикпопуляции }
var
j:integer;
begin
{Инициализация }
sumfitness := pop[1].fitness;
min := pop[1].fitness;
max := pop[1].fitness;
{Цикл для max, min, sumfitness }
for j := 2 to popsize do with pop[j] do begin
sumfitness := sumfitness + fitness;
{Накопление суммы значений функции пригодности}
if fitness>max then max := fitness;
{Новое значение max}
if fitness<min then min := fitness;
{Новое значение min}
end;
{Расчет среднего}
avg := sumfitness/popsize;
end;

в которой рассчитываются минимальное min, среднее avg и максимальное max значение функции пригодности.
Поэтому, для того чтобы находить максимум, в программу в блок описаний переменных нужно добавить переменную для определения максимума для каждого набора параметров поколение-популяция, воспользоваться для ее вычисления переменной max процедуры statistics подобным образом, как это делалось в блоке «Главная программа» для определения минимума.

Помогите пожалуйста ответить на вопросы:
1. Опишите подробно процедуру двухточечной мутации (алгоритм и реализацию)
2. Возможны ли случаи, когда в результате мутации с хромосомой ничего не произойдет? Ответ обосновать.
3. Какие виды селекции Вам известны, в чем их достоинства и недостатки? Предложите свои варианты.
4. Опишите назначение функции select_1 Вашей программы и как она работает

:o
тема: генетические алгоритмы


{
Отбор претендентов на скрещивание
}
Procedure select;
Var ipick:integer;

{
Перемешивание популяции
}
Procedure shuffle(var pop:population);
Var
i, j: integer;
ind0: individual;
Begin
for i := popsize downto 2 do begin
j:= random(i-1)+1;
ind0:=pop[i];
pop[i]:=pop[j];
pop[j]:=ind0;
end;
End;

{
Выборка
}

Function select_1:integer;
Var j1, j2, m: integer;
Begin
{
если ipick больше количества индивидов в популяции, то необходимо перемешать ее
}
if (ipick>popsize) then begin
shuffle(oldpop);
ipick:=1
end;
j1:=ipick;
j2:=ipick+1;
if (oldpop[j2].fitness<oldpop[j1].fitness) then
m:=j2
else
m:=j1;
ipick:=ipick+2;
select_1:=m;
End;
Var j: integer;
Begin
ipick:=1;
for j:=1 to popsize do begin
intpop[j]:=oldpop[select_1];
end;
oldpop:=intpop;
End;

На третий вопрос ответ
Какие виды селекции вам известны, опишите их достоинства и недостатки
Наиболее известные – это турнирный и рулеточный отборы.
При турнирном отборе из популяции, содержащей N особей, выбираются случайным образом t особей, и лучшая из них особь записывается в промежуточный массив. Эта операция повторяется N раз. Особи в полученном промежуточном массиве затем используются для скрещивания. Размер группы строк, отбираемых для турнира, часто равен 2. В этом случае говорят о двоичном (парном) турнире. Преимуществом данного способа является то, что он не требует дополнительных вычислений.
В методе рулетки особи отбираются с помощью N «запусков» рулетки, где N – размер популяции. Колесо рулетки содержит по одному сектору для каждого члена популяции. Размер i-го сектора пропорционален вероятности попадания в новую популяцию. При таком отборе члены популяции с более высокой приспособленностью с большей вероятностью будут чаще выбираться, чем особи с низкой приспособленностью.

можно и мне 17 вариант на valenso.rush@mail.ru если остался... добить нужно

Помогите, пожалуйста с курсовым по Информатике-4. Вариант 11. Сологуб никак не хочет принимать. Или любой вариант для примера оформления отчета. Программу полностью сам написал, видимо это ее и смущает, может надо по образцу?

Да сологуб зверь! реальный ну ниче мы с ней работали сдаем! так чтоесли че пиши, тока рецензии все шли а не последнюю! fdohelp@yandex.ru

Не обязательно по образцу, но
1. Нужно пояснить каждую (!) Вашу переменную в программе: как нызвается, какого типа, для чего нужна
2. Составить блок-схемы подпрограмм, которые выполняют генетические операторы, при этом названия переменных в блок-схеме и программе обязательно(!) должны быть одинаковыми!
3. В программе написать комментарии чуть ли не к каждой строке ;-(
4. Вывод результата должен быть по ее требованию - для каждого варианта расчета лучший результат и средний результат
5. В пояснительной - изложение теории - не короткое, но и не длинной (пойди, догадайся)

__________________
Информационные технологии :: Стастистика:: Эконометрика