Documente Academic
Documente Profesional
Documente Cultură
a asid
b. a, b si e
c. d
d. dsie
e. e
a.2,4,6
b. 2,4,7,8
c. 4,8
d. 2,4
e. 2, 3, 4, 5, 6
Răspunsul corect este:
d. 2, 4
Scopul unui algoritm memetic este de a îmbunătăți informația din populația curentă prin
utilizarea de algoritmi de căutare locală (răspuns 4) și de a îmbunătăți informația de la o populație la alta
(răspuns 2).
e. O parte soluție și o parte parametrica, posibil formată dintr-unul sau mai multi
parametn egali cu dimensiunea pasilor de fluaj si eventual alli parametri care descriu corelatile din date,
in functie de spatiul solutior problemes de opin
User
In cadrul unui algoritm hibrid evoluția are loc la:
a.Selecția părinţilor
b. Trecerea la o nouă generație
c. Obținerea de noi indivizi prin mutaţii aplicate descendenţilor produşi prin recombinare
d. Nici unul din celelalte răspunsuri nu e corect
intr-un algoritm evolutiv, genotipurile sunt
User
Fie reprezentarea cromozomială Cx=(x1, x2, ..., xn, sigma) utilizata de un algoritm ES
general cu rată de instruire tau. Notăm cu zgomot N(O d) o valoare generetă aleator din distributia N(O,
d). Cromozomul rezultat în urma mutației este:
a. Cxm=(x1, xn'; sigma), unde x1x1+zgomot N(D, sigma), xnxn+zgomot N(0, sigma) şi
sigma sigma+zgomot_N(0
Recursivitate: Utilizarea unor procese sau funcții recursive pentru a explora și optimiza
soluțiile în interiorul populației.
Divide et impera: Abordarea problemei prin împărțirea acesteia în subprobleme mai mici
și gestionarea lor separat, pentru a găsi soluții mai bune.
Backtracking: Explorarea recursivă a spațiului soluțiilor prin încercarea și revenirea
asupra deciziilor pentru a identifica soluții optime.
Metode euristice: Utilizarea unor strategii euristice pentru a explora spațiul soluțiilor și a
găsi soluții promițătoare, fără a garanta găsirea soluției optime.
Metoda gradientului: Utilizarea informației despre gradientul funcției de evaluare pentru
a ghida căutarea și a identifica direcții de îmbunătățire a soluțiilor.
În cadrul unui algoritm evolutiv, condiția de terminare poate include controlul numărului
de iterații (număr maxim admis de populații generate), atingerea valorii optime a funcției obiectiv,
verificarea unei condiții legate de diversitatea genetică și scăderea dimensiunii populației sub o limită
admisă. Creșterea lungimii cromozomilor (opțiunea f) nu este o condiție de terminare obișnuită în
algoritmii evolutivi.
b,c,d