Adaptácia parametrov samoorganizujúceho sa migračného algoritmu pomocou neurónových sietí

Abstract

Za posledné roky došlo k mnohým vylepšeniam týkajúcich sa Samo-Organizujúceho sa Migračného Algoritmu. Cieľom mojej bakalárskej práce bolo zistiť, či je možné vylepšiť tento algoritmus pridaním neurónovej siete, aby sme dostali nový algoritmus, ktorý bude efektívnejšie pracovať tak, že bude pre každého jedinca jednotlivo vyberať nastavenia parametrov počas migračného kola. Neurónová sieť sa učí pomocou Samo-Organizujúceho sa Migračného algoritmu. Nový algoritmus má rozhodovať o hodnotách jednotlivých parametrov pre vybraného jedinca v migračných kolách. Ukázalo sa, že neurónová sieť tieto hodnoty nastavuje veľmi podobne u jednotlivých funkcií. Z výsledných hodnôt sme zistili, že algoritmus spolu s neurónovou sieťou dosahuje podobné až lepšie výsledky na jednotlivých testovacích funkciách.

In recent years, there have been many improvements regarding the Self-Organizing Migrating Algorithm. The aim of my bachelor thesis was to find out if it is possible to improve this algorithm by adding a neural network to get a new algorithm that will work more efficiently by selecting individual parameter settings for each individual during the migration loop. The neural network is learned by using the Self-Organizing Migrating Algorithm. The new algorithm should decide on the values of individual parameters for the selected individual. It turned out that the neural network sets these values very similarly for the specific functions. From the resulting values, we found that the algorithm together with the neural network achieves similar to better results on individual test functions.