background image

89 | 

9 4

 

 

6.2 

Βελτιώσεις για το μέλλον 

 

Στο  παρόν  λογισμικό  κατά  την  διαδικασία  της  μετάλλαξης  αλλάζουμε  τυχαία  την 

θέση  ενός  αντικειμένου  στον  καμβά.  Η  αλλαγή  θέσης  γίνεται  στο  ίδιο  τμήμα  για  να  μην 

αλλάξει  η  σύσταση  των  χρωμοσωμάτων  του  γενετικού  αλγόριθμου.  Κατά  την  διαδικασία 

αυτή  όταν  υπάρχουν  συγκρούσεις  για  μια  θέση  που  είναι  κατειλημμένη,  τότε  δίνεται  νέα 

τυχαία  θέση  έως ότου  το  κυκλωματικό  στοιχείο εισαχθεί    στον  καμβά.  Η  βελτίωση  που  θα 

μπορούσε να γίνει σε μελλοντική επανεξέταση του  προβλήματος είναι να κρατάμε κάποιον 

χάρτη διαθέσιμων δυνατών θέσεων έτσι ώστε, να απαλειφθούν οι συγκρούσεις.     

 

6.2.1  Προσαρμοστικός Γενετικός Αλγόριθμος (Adaptive Genetic Algorithm) 
 

Μια  άλλη  σημαντική  και  πολλά  υποσχόμενη  παραλλαγή  των  γενετικών  αλγορίθμων 

είναι  οι  γενετικοί  αλγόριθμοι  με  προσαρμοστικές  παραμέτρους  (προσαρμοστικοί  γενετικοί 

αλγόριθμοι). Οι πιθανότητες διασταύρωσης και μετάλλαξης καθορίζουν σε μεγάλο βαθμό τον 

βαθμό  ακρίβειας  της  λύσης  και  την  ταχύτητα  σύγκλισης  που  μπορούν  να  αποκτήσουν  οι 

γενετικοί αλγόριθμοι . Αντί να χρησιμοποιούν σταθερές τιμές,  οι  προσαρμοστικοί γενετικοί 

αλγόριθμοι χρησιμοποιούν τις πληροφορίες του πληθυσμού σε κάθε γενιά και προσαρμόζουν 

ανάλογα τις τιμές αυτές για τη διατήρηση της ποικιλομορφίας του πληθυσμού καθώς και για 

τη  διατήρηση  της  ικανότητας  σύγκλισης.  Στον  προσαρμοστικό  γενετικό  αλγόριθμο  (AGA) 

(Srinivas & Patnaik, 1994), η προσαρμογή της πιθανότητας μετάλλαξης και της πιθανότητας 

διασταύρωσης  εξαρτάται  από  τις  τιμές  καταλληλότητας  των  λύσεων.  Στον  προσαρμοσμένο 

γενετικό  αλγόριθμο  βάσει  συμπλέγματος  (CAGA)  (Zhang,  Chung,  &  Lo,  2007),  μέσω  της 

χρήσης  ανάλυσης  ομαδοποιήσεων  για  τις  καταστάσεις  βελτιστοποίησης  του  πληθυσμού,  η 

προσαρμογή της πιθανότητας μετάλλαξης και της πιθανότητας διασταύρωσης εξαρτάται από 

αυτές  τις  καταστάσεις  βελτιστοποίησης.  Μπορεί  να  είναι  αρκετά  αποτελεσματικό  να 

συνδυάσουμε  τον  γενετικό  αλγόριθμο  με  άλλες  μεθόδους  βελτιστοποίησης.  Ο  γενετικός 

αλγόριθμος  τείνει  να  είναι  αρκετά  καλός  στην  εύρεση  γενικά  καλών  ολικών  λύσεων,  αλλά 

αρκετά  αναποτελεσματικός  στην  εύρεση  των  τελευταίων  μεταλλάξεων  για  να  βρεθεί  το 

απόλυτο βέλτιστο.