Decision Support Systems. Theory and Practice (DSS 2009)

All 6 messages.

	Participator of the conference:	Цыганок Виталий Владимирович, e-mail:vitaliy.tsyganok[at]gmail.com
	Authors:	В.В. Цыганок
	Title of report:	ОПРЕДЕЛЕНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ АГРЕГАЦИИ ЭКСПЕРТНЫХ ОЦЕНОК ПРИ ИСПОЛЬЗОВАНИИ ПАРНЫХ СРАВНЕНИЙ

Потемкин, Киев

620

  1. Какие генетические операторы были использованы в программе кроме мутации (типа инверсии, кроссовера)?
  Использовался ли елитизм?
  2. Если я правильно понял, то при зашумлении использовалась одинаковая delta для всех элементов матрицы?
   Спасибо.

Цыганок Виталий, Институт проблем регистрации информации НАН Украины, Киев, Украина	621
Спасибо за вопросы. 1.Здесь я использовал одноточковый кроссовер. Две особи для скрещивания выбираются случайным образом. В результате скрещивания получается один потомок, который занимает место наименее приспособленной особи. Инверсий не использовал. Элитизм использовался, а именно, - конкурентный подход с глобальным состязанием. 2. Да, дельта одинаковая, но дельта - это процент от значения конкретного элемента матрицы. P.S. Если можете, пожалуйста, поделитесь опытом выбора типа ГА и подбора параметров.

Потемкин, Киев

750

Уважаемый Виталий Владимирович! Мне достаточно сложно выдавать рекомендации по выбору типа ГА, т.к. обычно лучше тот, для которого есть работающая программа. Я обычно использую турнирный отбор из двух особей (увеличение количества особей в турнире приводит к ускорению вырождения популяции), мутацию, кроссовер, инверсию, сдвиг и элитизм. Подбор параметров дело чисто практическое. Я занимаюсь задачами (грубо) типа М-рюкзаков в дискретной и непрерывной (очень грубо) постановке. По моему опыту при использовании одного ГА удачные параметры для этих двух типов задач существенно разнятся. Кроме того, я всячески избегаю операций, связанных с упорядочиванием особей в популяции, т.к. это существенно увеличивает (при прочих равных) время расчетов. На мой взгляд, лучше его (это время) потратить на большее число поколений или особей. Кроме того, обязательно использую перезапуск, если длительное время решение не улучшается, но перезапуск не с нуля, а путем частичной деградации популяции за счет оперетора сдвига.
Успехов, Потемкин

Цыганок Виталий, Институт проблем регистрации информации НАН Украины, Киев, Украина	751
Михаил Михайлович, спасибо Вам за развернутый ответ, для меня он очень интересен и полезен. У меня так же пока получается так, что совершенствование или поиск алгоритма решения прекращается или приостанавливается, когда алгоритм начинает достаточно уверенно находить решение. Хотя, наверное, надо бы работать далее над оптимизацией алгоритма. Но работа уж очень трудоемкая. Еще раз спасибо. Виталий Цыганок.

ПОтемкин, Киев

758

Уважаемый Виталий Владимирович! Действительно, разработка программы для ГА (особенно подбор соответствующих операторов и параметров) дело очень трудоемкое. Поэтому я последнее время занялся поиском альтернативных методов решения. Мои поиски натолкнули на новый эволюционный алгоритм - LARES. Он достаточно запутанный, но если работающий прилично ГА у меня получился где-то через пол-года, то толковый LARES - через неделю. Он считает на уровне ГА. Я его слегка усовершенствовал и для некоторых задач он стал давать результаты даже чуть лучше (3-4%), чем ГА. Причем программа достаточно (по сравнению с ГА) короткая и метод считает достаточно шустро. Усли Вам интересно, то недавно прошла пятая интернет-конференция "Українська наука ХХІ сторіччя". Там есть мой доклад на эту тему. С уважением, Потемкин

Цыганок Виталий, Институт проблем регистрации информации НАН Украины, Киев, Украина	759
Уважаемый Михаил Михайлович! Большое спасибо за информацию. Я уже нашел Ваши тезисы на этой конференции. Обязательно займусь изучением методов, упомянутых Вами. С уважением В.Цыганок.