В генетических алгоритмах выделяется этап селекции, на котором из текущей популяции выбираются и включаются в родительскую популяцию особи, имеющие наибольшие значения функции приспособленности:
Генетические алгоритмы обеспечивают выживание сильнейших решений из множества сгенерированных, формируя и изменяя процесс поиска на основе моделирования эволюции исходной популяции решений:
Генетический алгоритм - эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе:
Идею генетических алгоритмов высказал Дж. Холланд в конце шестидесятых - начале семидесятых годов XX века:
Искусственная нейронная сеть - упрощенная модель биологического мозга:
Каждый нейрон характеризуется функцией преобразования входных сигналов в выходной:
Модель искусственного нейрона - дискретно-непрерывный преобразователь информации:
Модель искусственного нейрона соответствует реляционной модели базы данных:
Нейронная сеть может иметь только один слой:
Нейронная сеть представляет собой совокупность искусственных нейронов, организованных слоями:
НС - устройство минимизации энергии:
Обучение нейронной сети заключается в изменении внутренних параметров модели таким образом, чтобы на выходе генерировался вектор значений, совпадающий с результатами примеров обучающей выборки:
Персептрон - информационное хранилище:
Построение нейронной сети требует значительных затрат труда и времени для получения удовлетворительной модели:
Процесс обучения ИНС состоит в коррекции исходных значений весовых коэффициентов межнейронных связей, которые обычно задаются случайным образом:
Рекуррентные сети - искусственные нейронные сети, содержащие обратные связи, благодаря которым становится возможным получение отличающихся значений выходов при одних и тех же входных данных: