Adaptace velikosti populace v evolučních algoritmech

Abstract

Jedním z nejdůležitějších parametrů evolučních algoritmů je velikost populace. Tento parametr ovlivňuje do velké míry jejich chování a výsledky. Avšak existuje několik metod jak se nastavení tohoto parametru vyhnout. Jednou je adaptace velikosti populace za běhu algoritmu (Parameter-less EA, Population pyramid, atd.) a druhou je restartování algoritmu s jinou velikostí populace (IPOP, BIPOP, atd.). Cílem této práce je porovnat tyto dvě metody pro genetický algoritmus a algoritmus s modelem nahrazování 'steadystate' na vybraných funkcích reálných čísel a na problému obchodního cestujícího.The population size is one of the most important parameters of evolutionary algorithms that aects their performance. There are several existing approaches for adapting the population size during the run of the algorithm (Parameter-less EA, Population pyramid, etc.) and for restarting the algorithm with a dierent population size (IPOP, BIPOP, etc.). The goal of this project is to compare these two methodsforthegeneticalgorithmandthe algorithm with the 'steady-state' model andforachosenreal-valuedfunctionsand the travelling salesman problem.