Estimating distributions in genetic algorithms
Genetik algoritmalarda dağılım tahmini
- Tez No: 129350
- Danışmanlar: DOÇ. DR. H. LEVENT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
ÖZET.. GENETİK ALGORİTMALARDA DAĞILIM TAHMİNİ Genetik algoritmaların temel operatörlerinin toplum üzerindeki etkileri belir sizdir, önceden tahmin edilemez. Rasgele denilebilecek yeni bireylerin iyileri seçildiği için toplum gittikçe güçlenir ama üretilen yeni bireyin atalarından daha iyi olacağı garantisi yoktur. Hatta güçlü bireylerden çok güçsüz bireyler oluşabilir. Dağılım Tahmini Algoritmaları genetik algoritmaların ilerleyişini olasılık model leri kullanarak yönlendirir. Bu algoritmalar seçilen bireyler üzerine bir dağılım oturtup onun parametrelerini hesaplar ve bu dağılımdan yeni bireyler örnekler. Son yıllarda seçilen bireyleri değişik dağılımlarla modelleyen birçok algoritma önerilmiştir. Bu algoritmalar genlerin ayrık değerlerle ifade edildiği algoritmalardır. Biz sürekli sayılar dizilerinden oluşan bireyleri modelleyen üç algoritma geliştirdik. İlki, parametrik metod, seçilenlerin üzerine normal dağılım oturtarak ondan örnekler alır. ikincisi, seçilen bireyleri çözüm uzayında k gruba ayırarak her grubun üzerine bir normal dağılım oturtur. Sonuncusu ise her seçilen birey üzerine bir normal dağılım yerleştirir. Algoritmalarımızı bazı minimizasyon problemleriyle Çok Katmanlı Algılayıcıların ağırlıklarının öğrenilmesinde test ettik. Aldığımız sonuçlar gösteriyor ki, algoritmalarımız standard genetik algoritmadan daha az kuşakta daha iyi sonuçlar elde ediyor.
Özet (Çeviri)
IV ABSTRACT ESTIMATING DISTRIBUTIONS IN GENETIC ALGORITHMS The canonical oprerators of genetic algorithms have nondeterministic effects on the population. They produce fitter individuals because they produce semi-random individuals and the fitter of them are selected. These operators can also deform the chromosomes of fit individuals and cause an interruption in the progression. Estimation of Distribution Algorithms (EDAs) use probabilistic models to guide the progression of genetic algorithms. They estimate the distributions of selected indi viduals and sample new individuals from these distributions. Many algorithms, which use different distributions to model the selected individuals, were proposed in recent years. We propose three algorithms, instantiations of EDA template, to estimate the distribution of selected individuals with chromosomes having continuous values. These algorithms fit a normal distribution on the selected set, cluster them into k and fit a normal distribution on each of the clusters or fit a normal kernel on each of the selected individuals. The methods are parametric, semiparametric and nonparametric, respectively. We tested our algorithms on two sets of problems: Some minimization problems and training of MLP weights. The results we get indicates that our algorithms find better solutions than the canonical genetic algorithm in smaller number of generations.
Benzer Tezler
- Sezgisel algoritmalar kullanılarak iki-parametreli maxwell dağılımı ve üstel olarak değiştirilmiş lojistik dağılım için en çok olabilirlik yöntemiyle parametre tahminleri
Estimating the parameters of two-parameter maxwell distribution and exponentially-modified logistic distribution by the maximum likelihood method using heuristic algorithms
ADI OMAIA IBRAHIM FAOURI FAOURI
- Genetik algoritma yardımı ile yapay açıklıklı radarda hedef konumunun belirlenmesi
Determination of the target position by the synthetic aperture radar using a genetic algorithm
SERDAR KARGIN
Doktora
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. BİNGÜL YAZGAN
- Dönüştürülmüş dağılımlarda meta-sezgisel yaklaşımlar ile parametre tahmini
Metaheuristic approaches to parameter estimation in transmuted distributions
SHUAIB MURSAL İBRAHIM
Yüksek Lisans
Türkçe
2024
İstatistikNecmettin Erbakan Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. AYDIN KARAKOCA
- Parametre tahmin problemlerine çok amaçlı optimizasyon modellemesi ile yeni bir yaklaşım
A new approach to parameter estimation problems with multi-objective optimization modeling
ECEM DEMİR YURTSEVEN
- Kablosuz algılayıcı ağların bulut hesaplaması kullanılarak internete genişletilmesi
Extending wireless sensor networks into the internet using cloud computing
AKHAN AKBULUT
Doktora
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. A. HALİM ZAİM