Например, Бобцов

Выбор вспомогательных критериев для повышения эффективности эволюционных алгоритмов при помощи обучения с подкреплением в нестационарной среде

Сборник тезисов
Конференция:IV Всероссийский конгресс молодых ученых
Раздел:Информационные и интеллектуальные системы и технологии
Рубрика:Технологии программирования и искусственный интеллект
Год:2015

Выбор вспомогательных критериев для повышения эффективности эволюционных алгоритмов при помощи обучения с подкреплением в нестационарной среде

УДК:004.85

Аннотация

Существуют методы повышения эффективности эволюционных алгоритмов (ЭА) при помощи вспомогательных критериев. Одним из них является метод EA+RL, в котором для выбора вспомогательного критерия, используемого в качестве функции приспособленности (ФП) на данном шаге алгоритма, применяется обучение с подкреплением. Эффективность данного метода была продемонстрирована и теоретически доказана на ряде задач. Ранее применялись алгоритмы обучения с подкреплением в стационарной среде. Однако в случае, когда свойства вспомогательных критериев зависят от этапа оптимизации, среда не является стационарной. В работе предложен подход к обучению с подкреплением в нестационарной среде, который был успешно применен в методе EA+RL для решения модельной задачи. Предложена улучшенная версия данного алгоритма, эффективность которой подтверждается на ряде модельных задач.

Материалы конференций