ПРОМЕЖУТОЧНОЕ ПРЕДСТАВЛЕНИЕ ПРАВИЛЬНОЙ РАСКРАСКИ ГРАФА В ОСТРОВНОЙ МОДЕЛИ ГЕНЕТИЧЕСКОГО АЛГОРИТМА. РАЗЛИЧНЫЕ ФИТНЕС-ФУНКЦИИ > Полезные советы
Тысяча полезных мелочей    

ПРОМЕЖУТОЧНОЕ ПРЕДСТАВЛЕНИЕ ПРАВИЛЬНОЙ РАСКРАСКИ ГРАФА В ОСТРОВНОЙ МОДЕЛИ ГЕНЕТИЧЕСКОГО АЛГОРИТМА. РАЗЛИЧНЫЕ ФИТНЕС-ФУНКЦИИ

ПРОМЕЖУТОЧНОЕ ПРЕДСТАВЛЕНИЕ ПРАВИЛЬНОЙ РАСКРАСКИ ГРАФА В ОСТРОВНОЙ МОДЕЛИ ГЕНЕТИЧЕСКОГО АЛГОРИТМА. РАЗЛИЧНЫЕ ФИТНЕС-ФУНКЦИИ

Данилова Е.Ю. Статья в формате PDF 272 KB

Пусть дан граф G, описываемый двумя множествами: U - множество вершин и V - множество ребер (U = {u1, u2, ..., un}, V = {(ui, uj)}i,j∈[1, n], i∈j). Раскраска графа - это функция f, преобразующая множество вершин U в отрезок натурального ряда {1, 2, 3, ..., K}: f: U → {1, 2, 3, ..., K}. Если при этом выполняется условие, что для любых (ui, uj)∈V, f(ui) ≠ f(uj), то раскраска называется правильной, а граф G - K-раскрашиваемым [1]. Если K - минимальное число, при котором граф является K-раскрашиваемым, то K называется хроматическим числом графа. Одним из способов решения задачи нахождения хроматического числа графа являются генетические алгоритмы.

В работе [2] представлены результаты исследования совмещения различных способов кодирования особей в одном генетическом алгоритме. Один из рассмотренных способов кодирования - с помощью промежуточного представления особи. Для задачи нахождения хроматического числа графа промежуточным представлением является гамильтонов цикл, который представляет собой порядок обхода графа, подающийся на вход «жадному» алгоритму. В этом случае под фитнесс-функцией можно понимать непосредственно «жадный» алгоритм. В работе рассматриваются два «жадных» алгоритма - классический и измененный.

Пусть дан граф G размерности n и перестановка s = {p1, p2, ..., pn} из n элементов. Исходя из определения перестановки: (∀i: pi ∈ [1; n]) & (∀ i, j: pi ≠ pj). Таким образом, перестановкой можно представлять порядок обхода графа. Будем обходить граф в соответствии с перестановкой s.

В классическом «жадном» алгоритме для каждой новой вершины по порядку проверяем цвета. Красим вершину в первый же подходящий цвет. Если ни в один из наличествующих цветов покрасить вершину нельзя, то добавляем еще один цвет, и красим вершину в него.

В измененном «жадном» алгоритме вершина с номером p1 красится в первый цвет. Далее для каждой последующей вершины pi проверяется, нельзя ли ее покрасить в тот же цвет, что и предыдущую вершину. Если это можно сделать, то вершина красится в тот же цвет, что и предыдущая. Иначе ищется минимальный цвет, несмежный вершине. Если такой цвет найден, то вершина красится в этот цвет, иначе вершина красится в новый цвет.

Предполагалось, что использование различных «жадных» алгоритмов должно повысить вероятность получения правильного ответа.

В данной работе в островной модели различным островам приписываются генетические алгоритмы с различными фитнесс-функциями. При тестировании использовалось 6 островов, на трех из которых выполнялись генетические алгоритмы с первым «жадным» алгоритмом в качестве фитнесс-функции, на других трех - со вторым. Для сравнения тесты были проведены на шестиостровной модели, где все островы использовали первый алгоритм, и на шестиостровной модели, где все островы использовали второй алгоритм. Отдельно генетические алгоритмы были протестированы в виде серии запусков.

Тесты проводились на 16 графах с различной размерностью и различными хроматическими числами. Максимальное число вершин графа, использующихся в тестировании, - 100, максимальное хроматическое число - 10.

Каждая из островных моделей запускалась по 34 раза для каждого графа, серии запусков содержали по 102 запуска.

Из результатов тестирований, проведенных на данный момент, можно сделать вывод, что использование различных фитнесс-функций на различных островах в среднем не улучшает решение по сравнению с островной моделью, использующей один из «жадных» алгоритмов. Тем не менее, большинство тестов делятся на две группы: где первый алгоритм работает лучше совмещенного, а совмещенный работает лучше второго; и где наоборот - второй работает лучше совмещенного, а совмещенный алгоритм работает лучше первого.

Список литература

  1. Гэри М., Джонсон Д. Вычислительные машины и труднорешаемые задачи. - М.: Мир, 1982. - 416 с.
  2. Данилова Е.Ю. Комбинация генетических алгоритмов для решения NP-полных задач на примере задачи нахождения хроматического числа графа // Современные проблемы математики и ее прикладные аспекты: сборник статей (по материалам научно-пpaктической конференции молодых ученых. Пермь, 12 марта 2010 г.). - Пермь: ПГУ, 2010. - С. 36-41.


ОПРЕДЕЛЕНИЕ ФАКТОРОВ, ВЛИЯЮЩИХ НА КАЧЕСТВО ИЗМЕРЕНИЙ ПРИБОРА МАЭС

ОПРЕДЕЛЕНИЕ ФАКТОРОВ, ВЛИЯЮЩИХ НА КАЧЕСТВО ИЗМЕРЕНИЙ ПРИБОРА МАЭС Существующие методы атомной эмиссионной спектроскопии для исследования состава металлов и сплавов используются во всех отраслях машиностроения. По мнению авторов, современные методы уже не обеспечивают необходимых точностей измерений. В данной работе авторами проведены исследования влияния внешних факторов на точность измерений прибора атомно-эмиссионной спектроскопии. ...

17 06 2026 20:24:26

СЕТЕВЫЕ МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ КОММИВОЯЖЁРА

СЕТЕВЫЕ МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ КОММИВОЯЖЁРА Статья в формате PDF 423 KB...

15 06 2026 5:31:41

ВЛАДИМИР КОНСТАНТИНОВИЧ КАМЕРИН

ВЛАДИМИР КОНСТАНТИНОВИЧ КАМЕРИН Статья в формате PDF 91 KB...

12 06 2026 6:27:42

ОСОБЕННОСТИ ПЕРЕВОДА РЕКЛАМНЫХ ТЕКСТОВ

ОСОБЕННОСТИ ПЕРЕВОДА РЕКЛАМНЫХ ТЕКСТОВ Статья в формате PDF 288 KB...

10 06 2026 23:39:34

ЭКОЛОГИЧЕСКАЯ СИТУАЦИЯ ГЕЛЕНДЖИКСКОЙ БУХТЫ

ЭКОЛОГИЧЕСКАЯ СИТУАЦИЯ ГЕЛЕНДЖИКСКОЙ БУХТЫ Статья в формате PDF 103 KB...

09 06 2026 21:13:27

ПОДШИПНИКИ КАЧЕНИЯ С ПЛАСТИЧНОЙ СМАЗКОЙ

Статья в формате PDF 254 KB...

07 06 2026 14:43:36

РАЗВИТИЕ ПРЕДМЕТНОГО ИНТЕЛЛЕКТА

РАЗВИТИЕ ПРЕДМЕТНОГО ИНТЕЛЛЕКТА Статья в формате PDF 141 KB...

05 06 2026 15:50:37

ОЦЕНКА ГИБРИДОВ ТОМАТОВ ДЛЯ ПЛЕНОЧНЫХ ТЕПЛИЦ

ОЦЕНКА ГИБРИДОВ ТОМАТОВ ДЛЯ ПЛЕНОЧНЫХ ТЕПЛИЦ Статья в формате PDF 145 KB...

31 05 2026 3:11:15

СОСТОЯНИЕ ОКРУЖАЮЩЕЙ СРЕДЫ В АРКТИКЕ

СОСТОЯНИЕ ОКРУЖАЮЩЕЙ СРЕДЫ В АРКТИКЕ В Арктике масштабы деградации окружающей среды приобретают опасные тенденции, нарушение хрупкой арктической природы может иметь необратимый хаpaктер. Анализ данных официальных источников показал, что к территориям «риска» по загрязнению питьевой воды относятся Ямало-Ненецкий автономный округ и Республика Саха. Высокий уровень загрязнения атмосферного воздуха зарегистрирован в Красноярском крае, а самые высокие показатели загрязнения почвы показаны в Мурманской области. ...

26 05 2026 22:29:52

БОРИС ФЕДОРОВИЧ КИРЬЯНОВ

БОРИС ФЕДОРОВИЧ КИРЬЯНОВ Статья в формате PDF 264 KB...

16 05 2026 8:56:56

ЦИФРОВОЙ МОДЕМ ДЛЯ СЕТИ ISDN

ЦИФРОВОЙ МОДЕМ ДЛЯ СЕТИ ISDN Статья в формате PDF 297 KB...

12 05 2026 18:22:22

МАГНИТНЫЕ ПОДРЕШЕТКИ, ИНДУЦИРОВАННЫЕ КАТИОННЫМИ ВАКАНСИЯМИ (НА ПРИМЕРЕ ФЕРРИМАГНИТНОГО ПИРРОТИНА)

МАГНИТНЫЕ ПОДРЕШЕТКИ, ИНДУЦИРОВАННЫЕ КАТИОННЫМИ ВАКАНСИЯМИ (НА ПРИМЕРЕ ФЕРРИМАГНИТНОГО ПИРРОТИНА) На основе анализа s-d обменного взаимодействия в структурах типа NiAs с частично вакантными катионными позициями, моделировались различного рода зависимости результирующей намагниченности от температуры нестехиометрических ферримагнетиков. На основе исследований пирротина методами ЯГР и РФА доказано, что двухподрешеточный ферримагнетик, содержащий в структуре катионные вакансии, должен рассматриваться, при определенном типе распределения вакансий, как ферримагнетик с четырьмя магнитными подрешетками. В данном случае, дополнительные магнитные подрешетки можно рассматривать как подрешетки, индуцированные хаpaктером распределения катионных вакансий в структуре. Квантово-механические расчеты в рамках модели молекулярного поля температурных изменений намагниченности отдельно для каждой из подрешеток, а также анализ результирующей термокривой намагниченности, объясняют ряд экспериментально полученных кривых зависимости намагниченности от температуры нестехиометрического пирротина с различной плотностью вакансий в структуре. ...

10 05 2026 4:31:34

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::