{"title":"标杆健身景观的结构分析","authors":"Galina Merkuryeva, V. Bolshakovs","doi":"10.2478/v10143-010-0046-2","DOIUrl":null,"url":null,"abstract":"Structural Analysis of Benchmarking Fitness Landscapes Various techniques of fitness landscape analysis for the determination of hardness of optimisation problems are proposed in the literature. However, a few implementations of these techniques and their application in practice are described nowadays. In this paper fitness landscapes of different known fitness functions are analysed. Both statistical and information measures are estimated. The results obtain will allow estimating hardness of different potential optimisation problems for evolutionary algorithms. Additional optimisation experiments are performed for described fitness landscapes to make the verification of analysis results. Summary about the influence of conditions and parameters of the fitness landscape analysis techniques on the values of analysis results also are given in this paper. Etalonu piemērotības ainavu strukturāla analīze Literatūrā ir piedāvātas dažādas piemērotības ainavas analīzes metodes, kas ļauj noteikt optimizācijas problēmu sarežgītību to risināšanai ar evolūcijas algoritmiem. Tomēr mūsdienās ir uzkrāts maz materiāla par šo metožu īstenošanu un to pielietošanu praktiskos uzdevumos. Manuskriptā tiek aprakstīti dažu zināmo piemērotības ainavu analīzes rezultāti. Analizē tiek novērtētas gan statistiskas, gan informācijas sarežgītībasmēri. Iegūtie rezultāti dod iespēju novērtēt citu iespējamo optimizācijas problēmu salīdzinošu sarežgītību evolūcijas algoritmiem. Ar programmas prototipu, kas realizē literatūrā aprakstītas analīzes metodes ir veiktas eksperimentu sērijas pie dažādiem nosacījumiem. Eksperimentos ir savākti statistiski dati par sešu ainavu sarežgītības mērām. Analizētas piemērotības ainavas ir veidotas no trim etalonfunkcijām. Savukārt, katra izskatīta funkcija tika realizētā diviem datu kodēšanas veidiem. Balstītie uz analīzes eksperimentu rezultātiem secinājumi par izskatīto ainavu sarežgītību ir pārbaudīti optimizācijas eksperimentos. Rakstā arītiekdoti secinājumi par piemērotības ainavu analīzes metožunosacījumu un parametru ietekmi uz iegūtiem analīzes rezultātu vērtībām. Структурный анализ эталонных ландашфтов приспособленности В литературе предлагаютсяразнообразныеметоды дляанализа ландшафтов приспособленности, предназначеныедля определения сложности оптимизационной проблемы при её решении эволюционными алгоритмами. Тем не менее, на сегодняшний день накоплено мало материала о практическойреализации этих методов, а также об их применении в практических задачах. В статье описываются результаты анализа некоторых известных ландшафтов приспособленности. В анализе учитываются как статистические так и информационные меры сложности. Полученные результаты позволяют оценить сравнительную сложностьдля эволюционных алгоритмов других потенциальных задач оптимизации. С помощью прототипа программы, которая реализует рассмотренные в литературе методыанализа, проведены серии экспериментов при разных условиях.В экспериментах собраны статистические данные по мерамсложности для шести ландшафтов. Анализируемые ландшафты приспособленности построены на основе трёх эталонных функций. В свою очередь, каждая рассмотренная функция реализовывалась для двух типов кодирования данных. Выводы о сложности рассмотренных ландшафтов основанные на результатах экспериментов анализапроверяются в экспериментах оптимизации. В статьетакже даются выводы о влиянии условий и параметров методов анализа ландшафтов приспособленности на получаемые значения результатов анализа.","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Structural Analysis of Benchmarking Fitness Landscapes\",\"authors\":\"Galina Merkuryeva, V. Bolshakovs\",\"doi\":\"10.2478/v10143-010-0046-2\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Structural Analysis of Benchmarking Fitness Landscapes Various techniques of fitness landscape analysis for the determination of hardness of optimisation problems are proposed in the literature. However, a few implementations of these techniques and their application in practice are described nowadays. In this paper fitness landscapes of different known fitness functions are analysed. Both statistical and information measures are estimated. The results obtain will allow estimating hardness of different potential optimisation problems for evolutionary algorithms. Additional optimisation experiments are performed for described fitness landscapes to make the verification of analysis results. Summary about the influence of conditions and parameters of the fitness landscape analysis techniques on the values of analysis results also are given in this paper. Etalonu piemērotības ainavu strukturāla analīze Literatūrā ir piedāvātas dažādas piemērotības ainavas analīzes metodes, kas ļauj noteikt optimizācijas problēmu sarežgītību to risināšanai ar evolūcijas algoritmiem. Tomēr mūsdienās ir uzkrāts maz materiāla par šo metožu īstenošanu un to pielietošanu praktiskos uzdevumos. Manuskriptā tiek aprakstīti dažu zināmo piemērotības ainavu analīzes rezultāti. Analizē tiek novērtētas gan statistiskas, gan informācijas sarežgītībasmēri. Iegūtie rezultāti dod iespēju novērtēt citu iespējamo optimizācijas problēmu salīdzinošu sarežgītību evolūcijas algoritmiem. Ar programmas prototipu, kas realizē literatūrā aprakstītas analīzes metodes ir veiktas eksperimentu sērijas pie dažādiem nosacījumiem. Eksperimentos ir savākti statistiski dati par sešu ainavu sarežgītības mērām. Analizētas piemērotības ainavas ir veidotas no trim etalonfunkcijām. Savukārt, katra izskatīta funkcija tika realizētā diviem datu kodēšanas veidiem. Balstītie uz analīzes eksperimentu rezultātiem secinājumi par izskatīto ainavu sarežgītību ir pārbaudīti optimizācijas eksperimentos. Rakstā arītiekdoti secinājumi par piemērotības ainavu analīzes metožunosacījumu un parametru ietekmi uz iegūtiem analīzes rezultātu vērtībām. Структурный анализ эталонных ландашфтов приспособленности В литературе предлагаютсяразнообразныеметоды дляанализа ландшафтов приспособленности, предназначеныедля определения сложности оптимизационной проблемы при её решении эволюционными алгоритмами. Тем не менее, на сегодняшний день накоплено мало материала о практическойреализации этих методов, а также об их применении в практических задачах. В статье описываются результаты анализа некоторых известных ландшафтов приспособленности. В анализе учитываются как статистические так и информационные меры сложности. Полученные результаты позволяют оценить сравнительную сложностьдля эволюционных алгоритмов других потенциальных задач оптимизации. С помощью прототипа программы, которая реализует рассмотренные в литературе методыанализа, проведены серии экспериментов при разных условиях.В экспериментах собраны статистические данные по мерамсложности для шести ландшафтов. Анализируемые ландшафты приспособленности построены на основе трёх эталонных функций. В свою очередь, каждая рассмотренная функция реализовывалась для двух типов кодирования данных. Выводы о сложности рассмотренных ландшафтов основанные на результатах экспериментов анализапроверяются в экспериментах оптимизации. В статьетакже даются выводы о влиянии условий и параметров методов анализа ландшафтов приспособленности на получаемые значения результатов анализа.\",\"PeriodicalId\":211660,\"journal\":{\"name\":\"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"1900-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.2478/v10143-010-0046-2\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.2478/v10143-010-0046-2","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2
摘要
在文献中提出了用于确定优化问题硬度的各种适应度景观分析技术。然而,目前描述了这些技术的一些实现及其在实践中的应用。本文分析了不同已知适应度函数的适应度景观。统计措施和信息措施都进行了估计。获得的结果将允许估计不同的潜在优化问题的硬度进化算法。对所描述的适应度景观进行了额外的优化实验,以验证分析结果。总结了适合度景观分析技术的条件和参数对分析结果值的影响。ettalonu piemērotības ainavu strukturāla analyz Literatūrā ir piedāvātas dažādas piemērotības ainavas analyz方法,kas ļauj noteikt optimizācijas problēmu sarežgītību to risināšanai ar evolūcijas算法。Tomēr mūsdienās ir uzkrāts maz materiāla par šo metožu īstenošanu un to pielietošanu praktiskos uzdevumos。手稿(手稿):手稿(手稿):手稿(手稿):手稿(手稿):手稿(手稿)分析学novērtētas统计学,gan informācijas sarežgītībasmēri。Iegūtie rezultāti dod iespēju novērtēt citu iespējamo optimizācijas problēmu salīdzinošu sarežgītību evolūcijas算法。arprogrammas prototipu, kas realiziz_literatūrā aprakst_tas分析方法ir veiktas ekexperimentu sērijas pie dažādiem nosac_jumiem。实验结果如下savākti统计数据如下sešu ainavu sarežgītības mērām。Analizētas piemērotības ainavas ir video as no trim etalonfunkcijām。Savukārt, katra izskat . ta funkcija tika realizētā diviem datu kodēšanas veidiem。balstust - tie - uz分析和分析eksperimentu rezultātiem secinājumi par izskatu - to - ainavu sarežgītību ir pārbaudīti optimizācijas eksperimentos。Rakstā arj æ k tiekdoti secinājumi par piemērotības ainavu analyz metožunosacījumu unparameteru ietekmi uz iegūtiem analyz rezultātu vērtībām。СтруктурныйанализэталонныхландашфтовприспособленностиВлитературепредлагаютсяразнообразныеметодыдляанализаландшафтовприспособленности,предназначеныедляопределениясложностиоптимизационнойпроблемыприеёрешенииэволюционнымиалгоритмами。Темнемене,енасегодняшнийденьнакопленомаломатериалаопрактическойреализацииэтихметодов,атакжеобихприменениивпрактическихзадачах。Встатьеописываютсярезультатыанализанекоторыхизвестныхландшафтовприспособленности。Ванализеучитываютсякакстатистическиетакиинформационныемерысложности。Полученныерезультатыпозволяютоценитьсравнительнуюсложностьдляэволюционныхалгоритмовдругихпотенциальныхзадачоптимизации。Спомощьюпрототипапрограммы,котораяреализуетрассмотренныевлитературеметодыанализа,проведенысерииэкспериментовприразныхусловиях。Вэкспериментахсобраныстатистическиеданныепомерамсложностидляшестиландшафтов。Анализируемыеландшафтыприспособленностипостроенынаосноветрёхэталонныхфункций。Всвоюочередь,каждаярассмотреннаяфункцияреализовываласьдлядвухтиповкодированияданных。Выводыосложностирассмотренныхландшафтовоснованныенарезультатахэкспериментованализапроверяютсявэкспериментахоптимизации。Встатьетакжедаютсявыводыовлиянииусловийипараметровметодованализаландшафтовприспособленностинаполучаемыезначениярезультатованализа。
Structural Analysis of Benchmarking Fitness Landscapes
Structural Analysis of Benchmarking Fitness Landscapes Various techniques of fitness landscape analysis for the determination of hardness of optimisation problems are proposed in the literature. However, a few implementations of these techniques and their application in practice are described nowadays. In this paper fitness landscapes of different known fitness functions are analysed. Both statistical and information measures are estimated. The results obtain will allow estimating hardness of different potential optimisation problems for evolutionary algorithms. Additional optimisation experiments are performed for described fitness landscapes to make the verification of analysis results. Summary about the influence of conditions and parameters of the fitness landscape analysis techniques on the values of analysis results also are given in this paper. Etalonu piemērotības ainavu strukturāla analīze Literatūrā ir piedāvātas dažādas piemērotības ainavas analīzes metodes, kas ļauj noteikt optimizācijas problēmu sarežgītību to risināšanai ar evolūcijas algoritmiem. Tomēr mūsdienās ir uzkrāts maz materiāla par šo metožu īstenošanu un to pielietošanu praktiskos uzdevumos. Manuskriptā tiek aprakstīti dažu zināmo piemērotības ainavu analīzes rezultāti. Analizē tiek novērtētas gan statistiskas, gan informācijas sarežgītībasmēri. Iegūtie rezultāti dod iespēju novērtēt citu iespējamo optimizācijas problēmu salīdzinošu sarežgītību evolūcijas algoritmiem. Ar programmas prototipu, kas realizē literatūrā aprakstītas analīzes metodes ir veiktas eksperimentu sērijas pie dažādiem nosacījumiem. Eksperimentos ir savākti statistiski dati par sešu ainavu sarežgītības mērām. Analizētas piemērotības ainavas ir veidotas no trim etalonfunkcijām. Savukārt, katra izskatīta funkcija tika realizētā diviem datu kodēšanas veidiem. Balstītie uz analīzes eksperimentu rezultātiem secinājumi par izskatīto ainavu sarežgītību ir pārbaudīti optimizācijas eksperimentos. Rakstā arītiekdoti secinājumi par piemērotības ainavu analīzes metožunosacījumu un parametru ietekmi uz iegūtiem analīzes rezultātu vērtībām. Структурный анализ эталонных ландашфтов приспособленности В литературе предлагаютсяразнообразныеметоды дляанализа ландшафтов приспособленности, предназначеныедля определения сложности оптимизационной проблемы при её решении эволюционными алгоритмами. Тем не менее, на сегодняшний день накоплено мало материала о практическойреализации этих методов, а также об их применении в практических задачах. В статье описываются результаты анализа некоторых известных ландшафтов приспособленности. В анализе учитываются как статистические так и информационные меры сложности. Полученные результаты позволяют оценить сравнительную сложностьдля эволюционных алгоритмов других потенциальных задач оптимизации. С помощью прототипа программы, которая реализует рассмотренные в литературе методыанализа, проведены серии экспериментов при разных условиях.В экспериментах собраны статистические данные по мерамсложности для шести ландшафтов. Анализируемые ландшафты приспособленности построены на основе трёх эталонных функций. В свою очередь, каждая рассмотренная функция реализовывалась для двух типов кодирования данных. Выводы о сложности рассмотренных ландшафтов основанные на результатах экспериментов анализапроверяются в экспериментах оптимизации. В статьетакже даются выводы о влиянии условий и параметров методов анализа ландшафтов приспособленности на получаемые значения результатов анализа.