Технологии интеллектуального анализа данных : учебное пособие

202 фицируются отбором, скрещиванием и мутацией. Этот процесс продолжается до тех пор, пока ценность одной из хромосом не дос- тигнет желаемого значения или пока он не перестает приносить улучшение на протяжении некоторого количества смен поколений хромосом. Одним из последствий вероятностного отбора является бы- строе увеличение наиболее ценных хромосом, которые, соответст- венно, выбираются для скрещивания чаще других. Однако практи- ка использования генетических алгоритмов показывает, что чрез- мерно быстрая сходимость алгоритма не всегда эквивалентна гло- бальному решению задачи. Учитывая это, с особой осторожностью необходимо подходить к выбору стратегии селекции, при которой ограниченному числу «избранных» хромосом, имеющих наилуч- шую целевую функцию, гарантировано участие в следующем по- колении, минуя стадии скрещивания и мутации. Хотя идея сохра- нения элитных хромосом и привлекательна, в целях избежания вы- рождения популяции полезно поддержать монотонное увеличение целевой функции. Для решения этой проблемы разработаны аль- тернативные схемы отбора хромосом, предотвращающие слишком поспешную сходимость. Одним из таких методов является норма- лизация целевых функций хромосом, прежде чем они начнут ис- пользоваться для выбора родительских пар. Другим методом, поддерживающим генетическое разнообра- зие популяции, является параллельный генетический алгоритм. В некоторых генетических алгоритмах применяются более утон- ченные стратегии селекции. Например, потомкам разрешается вхо- дить в новую популяцию только в том случае, если они значитель- но отличаются от остальных членов популяции. С целью поддер- жания достаточного генетического разнообразия часть созданных (отобранных) хромосом может быть внедрена в следующее поко-