A New Approach to Tuning Heuristic Parameters of Genetic Algorithms

0031808 - UIVT-O 336130 RIV US eng J - Článek v odborném periodiku
Holeňa, Martin
A New Approach to Tuning Heuristic Parameters of Genetic Algorithms.
[Nový přístup k nastavování heuristických parametrů genetických algoritmů.]
WSEAS Transactions on Information Science and Applications. Roč. 3, č. 3 (2006), s. 562-569. ISSN 1790-0832.
[AIKED'06. WSEAS International Conference on Artificial Intelligence, Knowledge Engineering and Data Bases. Madrid, 15.02.2006-17.02.2006]
Grant CEP: GA ČR(CZ) GA201/05/0325; GA ČR(CZ) GA201/05/0557
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: evolutionary optimization * genetic algorithms * heuristic parameters * parameter tuning * artificial neural networks * convergence speed * population diversity
Kód oboru RIV: IN - Informatika

The heuristic inspiration of genetic algorithms entails their dependence on many heuristic parameters. For the algorithm to work properly, those parameters need to be empirically tuned. If the values of the objective function have to be obtained in a costly experimental way, then the algorithm can not be run with several various combinations of the values of heuristic parameters. This paper suggests to use a neural-network based approximation of the objective function for parameter tuning in such situations. Such an aproach allows to investigate the convergence speed of the algorithm and the diversity of the population for many combinations of the values of heuristic parameters. A case study in materials science demonstrates the feasibility of the proposed approach.

Heuristická inspirace genetických algoritmů má za následek jejich závislost na mnoha heuristických parametrech. Aby algoritmus řádně fungoval, tyto parametry je třeba empiricky nastavit. Musí-li být hodnoty cílové funkce získávány pomocí nakladných experimentů, není možné spouštět algoritmus několikrát s různými kombinacemi hodnot heuristických parametrů. Tento článek navrhuje používat v takových situacích aproximaci cílové funkce pomocí umělých neuronových sítí. Takový přístup dovoluje zkoumat rychlost konvergence a různorodost populace pro mnoho kombinací hodnot heuristických parametrů. Přijatelnost navrženého přístupu je demonstrována na případové studii z vědy o materiálech.
Trvalý link: http://hdl.handle.net/11104/0132454