Главная /
Алгоритмы и дискретные структуры /
Эволюционные вычисления
Эволюционные вычисления - ответы на тесты Интуит
Правильные ответы выделены зелёным цветом.
Все ответы: Рассмотрены основы нового направления в теории искусственного интеллекта, включающего эволюционные вычисления и роевые алгоритмы.
Все ответы: Рассмотрены основы нового направления в теории искусственного интеллекта, включающего эволюционные вычисления и роевые алгоритмы.
Какие концепции составляют ядро генетических алгоритмов (ГА)?
(1) а) естественный отбор по Ч. Дарвину; б) эволюционная теория Ж. Ламарка;
(2) а) эволюционная теория Ж. Ламарка; б) генная структура хромосом; в) концепция мутации.
(3) а)концепция репродукции; б) концепция случайного замещения генов в хромосоме; в) выживание сильнейших особей в популяции.
(4) а) естественный отбор по Ч. Дарвину; б) генная структура хромосом; в) концепция мутации.
(5) а) концепция репродукции; б) выживание сильнейших особей в популяции по Ч.Дарвину.
(6) а) генная структура хромосом; б) концепция мутации.
Что представляет потенциальное решение в классическом эволюционном программировании (ЭП)?
(1) Двоичная строка.
(2) Вектор вещественных чисел.
(3) Автомат.
(4) Матрица из вещественных чисел.
(5) Дерево.
(6) Граф.
Что представляет потенциальное решение в роевых алгоритмах?
(1) Двоичная строка.
(2) Вектор вещественных чисел.
(3) Частица в многомерном пространстве вещественных чисел.
(4) Дерево.
(5) Граф.
Что представляет потенциальное решение задачи в муравьиных алгоритмах (МА)?
(1) Двоичная строка.
(2) Вектор вещественных чисел.
(3) Древовидная структура.
(4) Путь на графе.
(5) Матрица вещественных чисел.
Эта задача носит название задачи об укладке рюкзака и формулируется следующим образом. Имеется рюкзак объемом 
и 
различных предметов. Каждый предмет 
имеет известный объем 
и стоимость 
. В рюкзак можно положить целое число различных предметов. Нужно упаковать рюкзак так, чтобы полная стоимость уложенных предметов была максимальной, а их общий объем не превышал заданный объем . Форма предметов здесь не учитывается.
Для решения этой задачи разработайте простой ГА, реализуйте его в виде программы на любом известном вам языке, и с помощью этой программы найдите оптимальное решение.
, а данные о предметах приведены в таблице.
| № предм. | 1 | 2 | 3 | 4. | 5 |
|---|---|---|---|---|---|
| Объем | 6 | 4 | 3 | 2 | 5 |
Объем  | 5 | 3 | 1 | 3 | 6 |
(1) В рюкзак укладываются предметы с номерами 2,3,4,5.
(2) В рюкзак укладываются предметы с номерами 1,2,5.
(3) В рюкзак укладываются предметы с номерами 1,4,5.
(4) В рюкзак укладываются предметы с номерами 1,2,3,4.
Какие стратегии создания исходной популяции наиболее популярны при использовании ГА?
(1) Стратегия "дробовика".
(2) Стратегия фокусировки.
(3) Стратегия "одеяла".
(4) Комбинация стратегий "дробовика" и фокусировки.
(5) Комбинация стратегий "одеяла" и фокусировки.
Что способствовало развитию параллельных ГА?
(1) Случайный поиск ГА.
(2) Внутренний параллелизм.
(3) Направленный поиск ГА.
(4) Возможность распределенных вычислений.
(5) Концепция мутации.
Как связаны пространство поиска решений S и пространство критериев Z ?
(1) Они имеют одинаковую размерность.
(2) S является множеством образов в Z.
(3) Z является множеством образов в S.
(4) Эти пространства не связаны.
Что включает терминальное множество?
(1) Функции.
(2) Входные переменные.
(3) Арифметические операторы.
(4) Константы.
(5) Логические операторы.
(6) Функции без аргументов.
Чему соответствует особь в Питтсбургском подходе?
(1) Двоичная строка.
(2) Массив целых чисел.
(3) Продукция.
(4) Множество продукций
(5) Дерево.
Что представляет популяцию в вероятностных генетических алгоритмах?
(1) Двоичная строка
(2) Вектор целых чисел.
(3) Вектор вероятностей.
(4) Классификаторы.
(5) Матрица.
Что представляет потенциальное решение в эволюционных стратегиях (ЭС)?
(1) Двоичная строка.
(2) Вектор вещественных чисел.
(3) Пара векторов вещественных чисел.
(4) Матрица из вещественных чисел.
(5) Дерево.
(6) Граф.
Чем отличается ГА от случайного поиска?
(1) В ГА используется информация, накопленная в процессе эволюции.
(2) В ГА поддерживается баланс между "эксплуатацией" полученных на текущий момент лучших решений (особей) и расширением пространства поиска.
(3) В ГА используется информация, накопленная в процессе эволюции, и поддерживается баланс между "эксплуатацией" полученных на текущий момент лучших решений (особей) и расширением пространства поиска.
(4) В ГА используется поиск, направляемый на очередной итерации с применением градиентных методов.
Какие генетические операторы применяются в классическом ЭП?
(1) Отбор особей.
(2) Кроссинговер.
(3) Мутация.
(4) Рекомбинация.
Что учитывается при коррекции скорости частицы?
(1) Координаты частицы.
(2) Текущая скорость частицы.
(3) Персональная лучшая позиция.
(4) Лучшая глобальная позиция роя.
(5) Координаты центра роя.
Что отражает концентрация феромона в простом МА?
(1) Качество фрагмента решения.
(2) Значение фитнесс-функции.
(3) Лучшее значение особи.
(4) Субоптимальное решение.
(5) Худшее решение.
Эта задача носит название задачи о покрытии множества и формулируется следующим образом. Задано множество элементов 
и множество подмножеств 
этого множества 
Необходимо найти минимальное число подмножеств из 
таких, чтобы объединение этих подмножеств содержало все элементы множества .
Для решения этой задачи разработайте простой ГА, реализуйте его в виде программы на любом известном вам языке, и с помощью этой программы найдите оптимальное решение.
, где 
(1) Минимальное покрытие таково - ![math]()
.
.
(2) Минимальное покрытие таково - ![math]()
.
.
(3) Минимальное покрытие таково - ![math]()
.
.
(4) Минимальное покрытие таково - ![math]()
.
. Вычислить вероятности отбора первых пяти особей при линейном ранжировании родителей (см. раздел 3.2.2 пособия) с точностью до четырех знаков. Исходные данные: мощность популяции равна 100, выбранный случайным образом параметр отбора ![math]()
.
.
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
Какие преимущества имеют параллельные ГА по сравнению с последовательными?
(1) Поиск альтернативных решений одной и той же проблемы.
(2) Быструю сходимость.
(3) Поиск решения из различных точек в пространстве решений.
(4) Более высокую точность решения.
(5) Хорошая совместимость с другими эволюционными и классическими процедурами поиска.
Приведенный рисунок отражает фронт Парето для какой задачи?![files]()
(1) Минимизация относительно 2-х критериев.
(2) Максимизация относительно 2-х критериев.
(3) Минимизация относительно первого критерия.
(4) Минимизация относительно второго критерия.
(5) Максимизация относительно первого критерия.
(6) Максимизация относительно второго критерия.
Какие структуры применяются в генетическом программировании?
(1) Бинарные строки.
(2) Массивы.
(3) Древовидные.
(4) Линейные.
(5) Связанные списки.
(6) Графоподобные.
Какой двоичный код имеет продукция?
(1) (101 0).
(2) (011 0).
(3) (111 1).
(4) (100 1).
Чему соответствует эволюция популяции в вероятностных ГА?
(1) Точка в пространстве решений.
(2) Линия в пространстве решений.
(3) Траектория в гиперкубе пространстве ![math]()
.
.
(4) Точка в пространстве ![math]()
.
. Какие генетические операторы применяются в классической ЭС?
(1) Отбор особей.
(2) Кроссинговер.
(3) Мутация.
(4) Рекомбинация.
Выполните простой (одноточечный) оператор кроссинговера над хромосомами А и В, если точка кроссинговера ![math]()
расположена сразу за ![math]()
-м геном хромосом при нумерации генов слева направо. ![math]()
.
расположена сразу за -м геном хромосом при нумерации генов слева направо. 
.
(1) Особи-потомки есть 100100 и 010101.
(2) Особи-потомки есть 100010 и 011010.
(3) Особи-потомки есть 100101 и 010101.
(4) Особи-потомки есть 011011 и 100010.
Что отличает ЭП от ГА?
(1) Эволюция на уровне генотипа.
(2) Эволюция на уровне фенотипа.
(3) Не применяется оператор рекомбинации.
(4) Отбор особей на основе конкуренции.
(5) Регулирование параметров величины изменения.
Что определяет в приведенной формуле коэффициент ![math]()
? ![math]()
? 
(1) Влияние социальной составляющей.
(2) Влияние когнитивной составляющей.
(3) Диапазон изменения случайного коэффициента ![math]()
.
.
(4) Диапазон изменения случайного коэффициента ![math]()
.
. Какие из приведенных ниже функций являются основными в муравьином алгоритме?
(1) Выбор следующей дуги в графе при построении пути.
(2) Инициализация популяции муравьев.
(3) Определение концентрации феромона для каждой дуги.
(4) Определение длины построенного пути.
(5) Испарение феромона.
(6) Проверка критерия останова.
Пусть для представления тура при решении задачи коммивояжера (ЗК) с использованием ГА выбрано представление порядка. Пусть заданы число городов в ЗК, базовый упорядоченный список городов 
и список ссылок 
. Пусть также заданы списки 
и 
двух туров-родителей, в которых вертикальной чертой обозначена точка скрещивания при выполнении одноточечного классического оператора кроссинговера. В списках начальный указатель – первый слева номер в этом списке. Требуется: а) по списку 
указать задаваемый им тур; б)по спискам и , которые задают два тура-родителя, найти их двух потомков 
и 
в результате выполнения упомянутого оператора кроссинговера.
(1) а)![math]()
; б)![math]()
.
; б)
.
(2) а)![math]()
; б) ![math]()
.
; б) 
.
(3) а)![math]()
; б)![math]()
.
; б)
.
(4) а)![math]()
; б)![math]()
.
; б). Пусть имеется популяция, содержащая 12 особей ![math]()
, для которых известны значения фитнесс-функции : ![math]()
. Требуется произвести детерминированный турнирный отбор родителей в этой популяции за ![math]()
туров.
, для которых известны значения фитнесс-функции : 
. Требуется произвести детерминированный турнирный отбор родителей в этой популяции за 
туров.
, случайным образом получено 4 тура: (4,5,7), (6,8,9), (10,12,1), (3,2,11).
(1) В родительский пул вошли особи ![math]()
(2) В родительский пул вошли особи ![math]()
(3) В родительский пул вошли особи ![math]()
(4) В родительский пул вошли особи ![math]()
Какие задачи выполняет процессор-хозяин в модели "рабочий-хозяин"?
(1) Вычисляет значение фитнесс-функции потенциального решения.
(2) Выполняет все вход-выходные операции с пользователем и файловой системой, читает задание и записывает результаты.
(3) Распределяет задания каждому рабочему процессору.
(4) Принимает задание от центрального процессора.
(5) Организует управление процессом поиска решения.
Какие задачи выполняет рабочий процессор в модели "рабочий-хозяин"?
(1) Вычисляет значение фитнесс-функции потенциального решения.
(2) Выполняет все вход-выходные операции с пользователем и файловой системой, читает задание и записывает результаты.
(3) Принимает задание от центрального процессора.
(4) Организует управление процессом поиска решения.
(5) Посылает результаты выполненного задания «хозяину».
Выберите правильный вариант определения. Решение ![math]()
называется доминируемым, если существует решение ![math]()
, такое что:
называется доминируемым, если существует решение 
, такое что:
(1) ![math]()
для всех ![math]()
при максимизации функции ![math]()
.
для всех 
при максимизации функции 
.
(2) ![math]()
для всех ![math]()
при максимизации функции ![math]()
.
для всех при максимизации функции .
(3) ![math]()
для всех ![math]()
при минимизации функции ![math]()
.
для всех при минимизации функции .
(4) ![math]()
для всех ![math]()
при минимизации функции ![math]()
.
для всех при минимизации функции . Какой формуле соответствует приведенное на рисунке дерево?![files]()
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
Какой код имеет система продукций?
(1) (100 11 1 101 01 0 101 10 1)
(2) (101 11 1 101 01 1 101 10 1)
(3) (000 11 0 101 01 0 101 11 1)
(4) (101 11 1 101 11 0 101 10 1)
Как изменяется вектор вероятностей при выполнении оператора репродукции?
(1) Его компоненты ![math]()
. увеличиваются
. увеличиваются
(2) Его компоненты ![math]()
.случайно изменяются.
.случайно изменяются.
(3) Сдвиг в сторону лучшей особи в пространстве ![math]()
..
..
(4) Случайный сдвиг в пространстве ![math]()
..
.. Что входит в популяцию двукратной эволюционной (1+1)- стратегии?
(1) Родительская особь.
(2) 2 родительские особи.
(3) Особь- потомок.
(4) 2 особи –потомка.
Решается задача поиска экстремума функции вещественной переменной ![math]()
на отрезке ![math]()
cточностью до знаков после запятой с использованием ГА. Требуется найти диапазон представления решения задачи (особи-хромосомы)в виде двоичного числа. Отрезок ![math]()
.
на отрезке 
cточностью до знаков после запятой с использованием ГА. Требуется найти диапазон представления решения задачи (особи-хромосомы)в виде двоичного числа. Отрезок 
.
(1) Границы диапазона суть 10-значные двоичные числа, искомый диапазон есть [0000000000,1111111111].
(2) Границы диапазона суть 9-значные двоичные числа, искомый диапазон есть [000000000,111111111].
(3) Границы диапазона суть 8-значные двоичные числа, искомый диапазон есть [00000000,11111111].
(4) Границы диапазона суть 7-значные двоичные числа, искомый диапазон есть [0000000,1111111].
Какие виды оператора мутации применяются в классическом ЭП?
(1) Классическая мутация над двоичной строкой.
(2) Добавление нового состояния в автомат.
(3) Удаление состояния из автомата.
(4) Изменение начального состояния.
(5) Удаление начального состояния.
(6) Изменение перехода.
(7) Изменений выходного сигнала.
Какие функции из приведенных ниже входят в роевой алгоритм?
(1) Инициализация роя.
(2) Оценка фитнесс функции.
(3) Определение персональной лучшей позиции.
(4) Отбор родительских особей.
(5) Определение глобальной лучшей позиции.
(6) Коррекция скорости частицы.
(7) Коррекция положения частицы.
Что оценивает качество решения в МА?
(1) Длина пути.
(2) Концентрация феромона на дугах пути.
(3) Стоимость пути.
(4) Используемый критерий останова.
Пусть для представления тура при решении задачи коммивояжера с использованием ГА выбрано представление соседства. Пусть задан список 
, содержащий городов.
Требуется выписать тур городов, задаваемый списком 
, и описать оператор кроссинговера, репродуцирующий потомков на основе обмена ребрами.
(1) ![math]()
.
.
(2) ![math]()
.
.
(3) ![math]()
.
.
(4) ![math]()
.
. Какие методы используются для выбора пар особей с целью их скрещивания?
(1) Панмиксия, селективный выбор.
(2) Инбридинг, аутбридинг (генотипный и фенотипный).
(3) Случайный выбор из особей, значения фитнесс-функций которых как минимум вдвое выше среднего значения по популяции.
(4) Комбинация инбридинга и аутбридинга.
Какие преимущества имеет параллельный ГА, реализованный по модели "рабочий-хозяин"?
(1) Повышение качества решения.
(2) Ускорение процесса поиска решения.
(3) Уменьшение затрат оперативной памяти.
(4) Уменьшение "накладных расходов" в вычислительном процессе.
Как выполняется отбор особей в векторном ГА?
(1) По одному самому существенному критерию.
(2) Одновременно по всем критериям.
(3) По очереди по каждому критерию.
(4) По двум критериям.
(5) По сумме значений критериев.
Какой из приведеннях вариантов выполнения узлового кроссинговера является правильным?
(1) ![files]()
(2) ![files]()
(3) ![files]()
Какие варианты оператора мутации применяются в Питтсбургском подходе?
(1) Стандартный оператор мутации
(2) Зеркальный.
(3) Случайное изменение ![math]()
.
.
(4) Арифметическая мутация (сложение с малым случайным числом)
(5) Установка всех разрядов кода выбранной переменной правила в единицу.
Какие из приведенных функций входят в алгоритм пошагового обучения на основе виртуальной популяции (PBIL)?
(1) Генерация начальной популяции.
(2) Инициализация вектора вероятностей.
(3) Генерация особей виртуальной популяции.
(4) Оценка значения фитнесс-функции.
(5) Кроссинговер и мутация.
(6) Изменение вектора вероятности.
Что отличает многократную ЭС от двукратной?
(1) Размер популяции.
(2) Различные вероятности выбора особей при отборе.
(3) Одинаковая вероятность выбора особей для мутации.
(4) Наличие оператора рекомбинации.
Какие факторы оказывают обязательное влияние на выбор фитнесс-функции?
(1) Тип решаемой задачи(минимизация, максимизация) и объем вычислительных ресурсов.
(2) Наличие ограничений в решаемой задаче и возможность совмещения различных подцелей (для многокритериальных задач).
(3) Необходимость отражения наличия шумов окружающей среды.
(4) Свойства математической модели исследуемой задачи (например, гладкость функции, для которой ищется экстремум, ее дифференцируемость и т.п.)
Какую выходную последовательность из приведенных выдает данный автомат на входную последовательность X=011101 из состояния А?![files]()
(1) Y=100101.
(2) Y=010111.
(3) Y=110101.
(4) Y=111100.
(5) Y=111111.
Что отличает локальный роевой алгоритм от глобального?
(1) Другая формула коррекции координат частицы.
(2) Другая формула коррекции скорости частицы.
(3) Учет для каждой частицы влияния только ближайшего окружения.
(4) Другой метод определения лучшей персональной позиции.
(5) Другой метод определения лучшей глобальной позиции.
Что отличает метод «муравьиная система» от простого МА?
(1) Метод вычисления вероятности перехода в следующую вершину графа.
(2) Лучший баланс между влиянием интенсивности феромона ![math]()
и эвристической информации ![math]()
.
и эвристической информации 
.
(3) Метод учета испарения феромона.
(4) Ввод множества допустимых вершин для ![math]()
-го муравья.
-го муравья.
(5) Метод вычисления концентрации феромона.
Выполнить частично соответствующий оператор кроссинговера над парой родителей ![math]()
и ![math]()
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. В ответах приведены потомки этих родителей.
и 
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. В ответах приведены потомки этих родителей.
(1) ![math]()
.
.
(2) ![math]()
.
.
(3) ![math]()
.
.
(4) ![math]()
.
. Для особей ![math]()
= 110101100101 и ![math]()
=101010110010 построить два потомка П1 и П2 с использованием многоточечного оператора кроссинговера.
= 110101100101 и 
=101010110010 построить два потомка П1 и П2 с использованием многоточечного оператора кроссинговера.Применить двухточечный ОК, точки скрещивания 3 и 6.
(1) П1=110010100101, П2= 101101110010.
(2) П1=110010101100, П2= 101101110010.
(3) П1=110011101101, П2= 101101110011.
(4) П1=110010101100, П2= 101101110110.
Какие факторы определяют эффективность распределенного ГА?
(1) Топология связей между подпопуляциями.
(2) Вероятность кроссинговера.
(3) Степень миграции особей.
(4) Время изоляции.
(5) Вероятность кроссинговера.
(6) Стратегия отбора особей в пул обмела.
(7) Стратегия замены особей на мигрировавшие хромосомы из соседних подпопуляций.
(8) Стратегия репликации мигрирующих особей.
Какие особи удаляются из популяции в методе ранжирования по Парето.
(1) Случайные.
(2) Доминируемые.
(3) Недоминируемые.
(4) С минимальным рангом.
Какие виды кроссинговера вы знаете для графоподобных структур?
(1) Узловой.
(2) Обмен поддеревьев.
(3) Обмен подграфов.
(4) Обмен вершин.
(5) Линейный.
Какие компоненты содержит система классификации в Мичиганском подходе?
(1) Датчик и исполнительный элемент.
(2) Текстовый процессор.
(3) Система обмена сообщениями.
(4) Система технического зрения.
(5) Система правил.
(6) Система оценки эффективности и отбора правил.
(7) Эволюционная стратегия
(8) Генетический алгоритм.
Какая мощность виртуальной популяции в компактном ГА?
(1) 4 особи.
(2) 8 особей
(3) 2 особи.
(4) 1 особь.
В чем суть самоадаптации в ЭС?
(1) Улучшение качества решения.
(2) Улучшение распределения вероятностей.
(3) По вышение сходимости поиска решения.
(4) Уменьшение дисперсии.
От чего зависит эффективность применения ГА?
(1) От вида и структуры фитнесс-функции.
(2) От мощности популяции.
(3) От вероятности и вида операторов кроссинговера и мутации.
(4) От вычислительной сложности получения значений фитнесс-функции.
(5) От структуры представления хромосом-решений.
Какая фитнесс-функция может быть использована при прогнозировании на основе ЭП?
(1) Среднее значение правильно предсказанных символов.
(2) Максимальное значение неправильно предсказанных символов.
(3) Средняя абсолютная ошибка (число неправильно предсказанных символов).
(4) Минимальное значение неправильно предсказанных символов.
(5) Максимальное значение правильно предсказанных символов.
Что из приведенного относится к аспектам РА?
(1) Инициализация роя частиц.
(2) Вероятность обмена.
(3) Условия останова.
(4) Оценка фитнесс-функции.
Какие аспекты отличают "Систему муравьиных колоний" от "муравьиной системы"?
(1) "Псевдослучайно-пропорциональное" правило выбора следующей вершины в пути.
(2) Иной метод коррекции концентрации феромона.
(3) Применение локальной коррекции феромона.
(4) Использование глобальной коррекции феромона.
Выполнить циклический оператор кроссинговера над парой родителей ![math]()
и ![math]()
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. В ответах приведены потомки этих родителей.
и 
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. В ответах приведены потомки этих родителей.
(1) ![math]()
.
.
(2) ![math]()
.
.
(3) ![math]()
.
.
(4) ![math]()
.
. Пусть задана маска ![math]()
=(0110011010) , два родителя ![math]()
=1101101011 и ![math]()
=0101010100.Требуется найти потомка этих родителей с использованием оператора однородного кроссинговера.
=(0110011010) , два родителя =1101101011 и =0101010100.Требуется найти потомка этих родителей с использованием оператора однородного кроссинговера.
(1) П=0100101010
(2) П=0101101110
(3) П=0101001110
(4) П=0100101010
Клеточные ГА основаны на?
(1) Популяции, распределенной во времени.
(2) Пространственно распределенной популяции.
(3) Эволюционным взаимодействиям с ближайшими соседними особями.
(4) Регулярной структуре особей в узлах решетки.
Как назначаются веса в методе взвешенной суммы.
(1) Случайно.
(2) На основе значений рангов.
(3) Фиксировано.
(4) На основе максимальных значений.
(5) На основе силы Парето.
(6) Адаптивно.
Какие виды фитнесс-функций применяются в ГП?
(1) Среднее значение целевой функции
(2) Среднеквадратичная ошибка.
(3) Ошибка в метрике абсолютных значений.
(4) Дисперсия.
(5) Число правильно отображаемых пикселов.
(6) Количество "пищи".
Что является особью в XCS системах?
(1) Отдельный классификатор.
(2) Популяция классификаторов.
(3) Подмножество классификаторов.
(4) Отдельное правило.
(5) Вектор значений поощрений.
Что является базовым элементом эволюции в алгоритме SELFISH?
(1) Особь.
(2) Популяция.
(3) Ген.
(4) Мутация.
Выберите правильный вариант описания для ![math]()
-ЭС .
-ЭС .
(1) ![math]()
родителей производят 1 потомок.
родителей производят 1 потомок.
(2) ![math]()
родителей производят ![math]()
потомков.
родителей производят 
потомков.
(3) Отбор1-й лучшей особи производится среди объединенного множества (![math]()
особей) родителей и потомков.
особей) родителей и потомков.
(4) Отбор ![math]()
лучших особей производится среди объединенного множества (![math]()
особей) родителей и потомков.
лучших особей производится среди объединенного множества ( особей) родителей и потомков. Какие формы генома используются в современных разделах ЭП?
(1) Двоичная строка.
(2) Дерево.
(3) Автомат.
(4) Вектор вещественных чисел.
(5) Двоичная матрица.
Какие параметры имеют РА?
(1) Метод отбора особей.
(2) Размер роя.
(3) Генетические операторы.
(4) Размер окружения.
(5) Число итераций.
(6) Коэффициенты ускорения ![math]()
, ![math]()
.
, .
(7) Шаг изменения.
Какие из приведенных ниже утверждений справедливы для "быстрой муравьиной системы"?
(1) Популяция содержит 10 муравьев.
(2) Популяция содержит 1 муравья.
(3) Используется другое правило коррекции испарения феромона.
(4) Не применяется моделирование испарения феромона.
(5) Другая форма использования эвристической информации.
(6) Эвристическая информация не применяется.
Пусть для представления тура при решении задачи коммивояжера с использованием ГА выбрано представление в виде матрицы смежности. Пусть заданы два тура 
и 
с помощью матриц смежности. Требуется выполнить над турами оператор двухточечного кроссинговера, используя эти матрицы, и представить полученных потомков в виде упорядоченных списков.
Пусть 
и 
.Точками скрещивания в операторе кроссинговера являются 2 и 5.
Примечание. Для объединения получающихся после кроссинговера двух подтуров в потомках достаточно замены двух ребер.
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
Каков диапазон изменения вероятности ![math]()
, с которой обычно выполняется классический оператор мутации?
, с которой обычно выполняется классический оператор мутации?
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
Какой двухуровневый гибридный алгоритм представлен на рисунке?![files]()
(1) "Рабочий-хозяин"-"модель островов" (верхний уровень-нижний уровень).
(2) "Модель островов"-модель островов.
(3) Клеточный-"Рабочий хозяин".
(4) "Рабочий хозяин"- "Модель островов».
(5) "Рабочий -хозяин"- "Клеточный".
Какие виды сортировки применяются в недоминиуемом ГА?
(1) На основе Евклидового расстояния.
(2) На базе метрики городских кварталов.
(3) На основе ранжирования особей
(4) На базе расстояния Махалонобиса.
(5) На основе расстояния Кроудинга.
Какие из приведенных функций входят в основной алгоритм ГП.
(1) Инициализация начальной популяции.
(2) Оценка особей, входящих в популяцию.
(3) Определение терминального множества.
(4) Отбор родителей.
(5) Определение функционального множества.
(6) Выполнение оператора кроссинговера.
(7) Определение фитнесс-функции.
(8) Выполнение оператора мутации.
Какие виды отбора родителей применяются в процессе эволюции в XCS?
(1) Ранговый
(2) Случайный.
(3) Рулетка.
(4) Турнирный.
(5) Локальный
Какие из приведенных функций применяются в алгоритме SELFISH?
(1) Выбор особи.
(2) Генерация начальной популяции.
(3) Поощрение.
(4) Наказание.
Какие виды рекомбинации могут применяться в современных ЭС?
(1) Классическая 2-точечная.
(2) Локальная дискретная.
(3) Локальная промежуточная.
(4) Глобальная дискретная.
(5) Узловая.
(6) Глобальная промежуточная.
Какие вероятностные распределения применяются для вычисления размера шага мутации в современных направлениях ЭП?
(1) Однородное.
(2) Гауссово.
(3) Пуассона.
(4) Коши.
(5) Леви.
(6) Эспоненциальное.
Что общего между Р и ГА?
(1) Случайная генерация начальной популяции.
(2) Оценка фитнесс-функции особей.
(3) Генетические операторы.
(4) Репродукция популяции.
(5) Случайный поиск.
Какие основные параметры имеют МА?
(1) Мощность популяции муравьев.
(2) Генетический оператор кроссинговера.
(3) Генетический оператор мутации.
(4) Начальная концентрация феромона.
(5) Максимальное число итераций.
(6) Коэффициент ![math]()
- интенсификация феромона.
- интенсификация феромона.
(7) Коэффициент ![math]()
- интенсификация эвристики.
- интенсификация эвристики. Пусть для тура при решении задачи коммивояжера выбрано представление в виде матрицы предшествования.
Для тура 
требуется построить матрицу предшествования.
(1)
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 2 | 1 | 0 | 1 | 1 | 1 | 1 | 1 |
| 3 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 4 | 1 | 0 | 0 | 0 | 1 | 0 | 0 |
| 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 6 | 1 | 0 | 0 | 0 | 1 | 0 | 0 |
| 7 | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
(2)
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 2 | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
| 3 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 4 | 1 | 0 | 0 | 0 | 1 | 1 | 0 |
| 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 6 | 1 | 0 | 0 | 0 | 1 | 0 | 0 |
| 7 | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
(3)
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 2 | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
| 3 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 4 | 1 | 0 | 0 | 0 | 1 | 1 | 0 |
| 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 6 | 1 | 0 | 1 | 0 | 1 | 0 | 0 |
| 7 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
(4)
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 2 | 1 | 0 | 1 | 1 | 1 | 1 | 0 |
| 3 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 4 | 1 | 0 | 0 | 0 | 1 | 1 | 0 |
| 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 6 | 1 | 0 | 1 | 0 | 1 | 0 | 0 |
| 7 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
Какие методы применяются для поиска экстремумов для мультимодальных функций?
(1) Многократный запуск ГА на различных подмножествах пространства поиска решений, реализуемый либо параллельным способом, либо индуктивным.
(2) Разбиение популяции на несколько частей с выполнением соответствующей модификации фитнесс-функции.
(3) Применение простого ГА классическим стандартным способом.
(4) Предварительная оценка числа ![math]()
возможных экстремумов мультимодальной функции с последующем случайным разбиением пространства поиска на ![math]()
равных частей и поиска в них решений.
возможных экстремумов мультимодальной функции с последующем случайным разбиением пространства поиска на равных частей и поиска в них решений. Сколько подпопуляций используется в конкурирующей коэволюции.
(1) 1.
(2) 2.
(3) 4.
(4) 8.
Какие меры качества используются в многокритериальных ГА.
(1) Число полученных решений.
(2) Число доминируемых решений.
(3) Число недоминируемых решений.
(4) Отношение недоминируемых решений.
(5) Среднее расстояние решений.
Как представляется функция в символьной регрессии.
(1) Массивом целых чисел.
(2) Двоичной строкой.
(3) Древовидной структурой.
(4) Графом.
(5) Связным списком.
Какой структурой может быть представлена особь для задачи прогнозирования?
(1) Бинарная строка.
(2) Массив вещественных чисел.
(3) Унарное дерево.
(4) Граф.
(5) Бинарное дерево.
Какие преимущества имеют вероятностные ГА по сравнению с классическими ГА?
(1) Меньшие вычислительные затраты.
(2) Лучшее качество решения.
(3) Лучший контроль скорости сходимости генетического поиска.
(4) Поддержка и сохранение разнородности генетической информации в популяции
(5) Решает проблему преждевременной сходимости.
Что отличает ЭС и ГА?
(1) Представление решения.
(2) Процедура отбора особей.
(3) Наличие процедур отбора.
(4) Порядок выполнения процедур отбора и рекомбинации.
(5) Адаптация параметров в ЭС.
(6) Учет ограничений.
Требуется найти оптимальное решение задачи коммивояжера любым из описанных в разделе 2 пособия методом, реализовав этот метод в виде программы на известном вам языке программирования. Исходные данные задачи представлены в виде квадратной матрицы, элементы которой 
интерпретируются как время переезда из города в город 
.
| 1 | 2 | 3 | 4 | 5 | |
| 1 | * | 4 | 2 | - | 5 |
| 2 | * | - | 1 | 9 | |
| 3 | * | 3 | 4 | ||
| 4 | * | 11 | |||
| 5 | * |
(1) Минимальный по времени маршрут коммивояжера есть (1-2-4-3-5-1)
(2) Минимальный по времени маршрут коммивояжера есть (1-5-3-4-2-1)
(3) Минимальный по времени маршрут коммивояжера есть (1-3-4-5-2-1)
(4) Минимальный по времени маршрут коммивояжера есть (1-2-5-4-3-1)
Какие виды относительных фитнесс-функций используются в кооперативных ГА?
(1) Простая фитнесс-функция.
(2) Мультипликативная фитнесс-функция.
(3) Раздельная фитнесс-функция.
(4) Аддитивная функция.
(5) Конкурирующая раздельная фитнесс-функция.
Каковы операторы, с помощью которых в ГА генерируется следующее поколение особей?
(1) Оператор случайной перестановки пары генов в хромосоме, оператор кроссинговера, оператор репродукции.
(2) Оператор репродукции, оператор скрещивания, оператор мутации.
(3) Оператор репродукции, оператор мутации.
(4) Оператор мутации, оператор кроссинговера, оператор репродукции.
На каком уровне применяются генетические операторы в ЭП?
(1) Генотип.
(2) Фенотип.
(3) Отдельный ген.
(4) Популяция.
Что характеризует частицу?
(1) Координаты.
(2) Скорость.
(3) Ускорение.
(4) Момент инерции.
Какой механизм обмена информацией в МА?
(1) Генетический оператор кроссинговера.
(2) Отбор лучших особей.
(3) Стигметрия.
(4) Обмен дугами графа.
Эта задача носит название задачи об укладке рюкзака и формулируется следующим образом. Имеется рюкзак объемом и различных предметов. Каждый предмет имеет известный объем и стоимость . В рюкзак можно положить целое число различных предметов. Нужно упаковать рюкзак так, чтобы полная стоимость уложенных предметов была максимальной, а их общий объем не превышал заданный объем . Форма предметов здесь не учитывается.
Для решения этой задачи разработайте простой ГА, реализуйте его в виде программы на любом известном вам языке, и с помощью этой программы найдите оптимальное решение.
, а данные о предметах приведены в таблице.
| № предм. | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| Объем | 3 | 14 | 25 | 26 | 32 | 2 | 28 | 23 | 1 | 9 |
| Объем | 11 | 12 | 5 | 30 | 31 | 25 | 19 | 27 | 32 | 33 |
(1) В рюкзак укладываются предметы с номерами 1,6,8,9,10.
(2) В рюкзак укладываются предметы с номерами 1,2,4,6,9,10.
(3) В рюкзак укладываются предметы с номерами 1,2,4,6,8,10.
(4) В рюкзак укладываются предметы с номерами 1,2,6,7,10.
Каким образом возможно отбор родителей методом рулетки преобразовать в чисто случайный отбор?
(1) Выполнить подходящее масштабирование значений целевой функции.
(2) Добавлять большую константу к каждому значению целевой функции.
(3) Разбить всю площадь круга рулетки на равные по площади сектора.
(4) Вычитать из каждого значения целевой функции ее максимальное значение.
Что лежит в основе распараллеливания ГА?
(1) Использование различных операторов кроссинговера.
(2) Разбиение популяции на подмножества.
(3) Использование различных операторов мутации.
(4) Структуризация потенциальных решений.
(5) Концепция направленного поиска.
Чем отличается многокритериальная задача от однокритериальной ?
(1) Размерностью пространства решений.
(2) Размерностью пространства образов.
(3) Числом функций ограничения.
(4) Числом критериев.
Что включает функциональное множество?
(1) Арифметические функции.
(2) Входные переменные.
(3) Арифметические операторы.
(4) Константы.
(5) Логические операторы.
(6) Функции без аргументов.
Чему соответствует особь в Мичиганском подходе?
(1) Двоичная строка.
(2) Массив целых чисел.
(3) Продукция
(4) Множество продукций.
(5) Граф.
Какой вектор представляет приведенную популяцию?
(1) (0,55;0,5;0,75;0,45).
(2) (0,75;0,5;0,75;0,25).
(3) (0,50;0,75;0,25;0,25).
(4) (0,10;0,75;0,45;0,20).
(5) (0,75;0,50;0,25;0,75).
На каком уровне применяются генетические операторы в ЭС?
(1) Генотип.
(2) Фенотип.
(3) Отдельный ген.
(4) Популяция.
Каков в ГА наиболее популярный метод реализации оператора репродукции?
(1) Метод колеса рулетки.
(2) Метод пропорциональности значениям целевой функции.
(3) Метод обмена хромосом-родителей случайным образом выбранными их фрагментами одинаковой длины.
(4) Метод инвертирования случайным образом выбранных фрагментов одинаковой длины хромосом-родителей с последующем обменом этими фрагментами.
Какое соотношение между числом родителей и потомков в ЭП?
(1) Родителей больше чем потомков.
(2) Потомков больше чем родителей.
(3) Число потомков равно числу родителей.
(4) Число потомков существенно больше числа родителей.
(5) Число родителей существенно больше числа потомков.
Что определяет социальная составляющая?
(1) Опыт одной частицы.
(2) Опыт роя.
(3) Лучшая глобальная позиция роя.
(4) Лучшая локальная позициячастицы.
Что дает механизм испарения феромона?
(1) Ускорение поиска решения.
(2) Уменьшение преждевременной сходимости.
(3) Повышение преждевременной сходимости.
(4) Повышение качества решения.
(5) Расширение пространства поиска.
Эта задача носит название задачи о покрытии множества и формулируется следующим образом. Задано множество элементов и множество подмножеств этого множества Необходимо найти минимальное число подмножеств из таких, чтобы объединение этих подмножеств содержало все элементы множества .
Для решения этой задачи разработайте простой ГА, реализуйте его в виде программы на любом известном вам языке, и с помощью этой программы найдите оптимальное решение.
, где 
(1) Минимальное покрытие таково - ![math]()
.
.
(2) Минимальное покрытие таково - ![math]()
.
.
(3) Минимальное покрытие таково - ![math]()
.
.
(4) Минимальное покрытие таково - ![math]()
.
. При локальном отборе родителей поясните понятие окрестности особи в случаях: а) линейного соседства; б) двухмерного 4-связного соседства; в) двухмерного 8-связного соседства.
(1) а) Предполагается, что особь расположена на одномерной линии. Ее соседям являются особи, расположенные слева и справа от нее на этой линии на расстоянии ![math]()
, которое может варьироваться.
б) Предполагается, что особь расположена на плоской 4-связной решетке. Ее соседям являются особи, расположенные слева и справа, а также вверху и внизу от нее на этой решетке (крест) на расстоянии ![math]()
, которое может варьироваться.
в) Предполагается, что особь расположена на плоской 8-связной решетке. Ее соседям являются особи, расположенные слева и справа от нее, а также вверху, внизу и по диагонали (звезда) на расстоянии ![math]()
, которое может варьироваться.
, которое может варьироваться.
б) Предполагается, что особь расположена на плоской 4-связной решетке. Ее соседям являются особи, расположенные слева и справа, а также вверху и внизу от нее на этой решетке (крест) на расстоянии , которое может варьироваться.
в) Предполагается, что особь расположена на плоской 8-связной решетке. Ее соседям являются особи, расположенные слева и справа от нее, а также вверху, внизу и по диагонали (звезда) на расстоянии , которое может варьироваться.
(2) В отличие от ответов в 1 п.п. а), б), в) величина ![math]()
варьироваться не может и полагается равной ![math]()
в п. а), ![math]()
в п. б) и ![math]()
в п. в).
варьироваться не может и полагается равной 
в п. а), 
в п. б) и 
в п. в).
(3) В отличие от ответов в 1 п.п. а), б), в) величина ![math]()
варьироваться не может и полагается равной ![math]()
во всех трех пунктах.
варьироваться не может и полагается равной 
во всех трех пунктах.
(4) В отличие от ответов в 1 п.п. а), б), в) величина ![math]()
варьироваться не может и полагается равной ![math]()
в п. а), ![math]()
в п. б) и ![math]()
в п. в).
варьироваться не может и полагается равной в п. а), в п. б) и в п. в). Какие основные виды параллельных ГА разработаны?
(1) Простой ГА.
(2) "Рабочий-хозяин".
(3) Распределенный ГА.
(4) Дифференциальный ГА.
(5) Клеточный ГА.
(6) Интегральный ГА.
(7) Коэволюционный ГА.
Приведенный рисунок отражает фронт Парето для какой задачи?![files]()
(1) Минимизация относительно 2-х критериев.
(2) Максимизация относительно 2-х критериев.
(3) Минимизация относительно первого критерия
(4) Минимизация относительно второго критерия.
(5) Максимизация относительно первого критерия.
(6) Максимизация относительно второго критерия.
Что характерно для древовидного представления?
(1) Константы соответствуют листьям дерева.
(2) Использование глобальной памяти.
(3) Использование локальной памяти.
(4) Функции соответствуют внутренним вершинам.
(5) Позволяет работать с особями различного размера.
(6) Позволяет работать с особями только одинакового фиксированного размера.
Какой двоичный код имеет продукция?
(1) (010101).
(2) (110111).
(3) (111010).
(4) (111111).
Чему соответствует найденное решение в вероятностном ГА?
(1) Точка в пространстве решений.
(2) Подкуб в гиперкубе пространства ![math]()
.
.
(3) Вершина в гиперкубе пространства ![math]()
.
.
(4) Линия в пространстве решений.
Какое случайное распределение используется в операторе мутации?
(1) Равномерное распределение.
(2) Однородное распределение.
(3) Распределение Гаусса.
(4) Распределение Рэлея.
Выполните простой (одноточечный) оператор кроссинговера над хромосомами А и В, если точка кроссинговера ![math]()
расположена сразу за ![math]()
-м геном хромосом при нумерации генов слева направо. ![math]()
.
расположена сразу за -м геном хромосом при нумерации генов слева направо. 
.
(1) Особи-потомки есть 1010101 и 0100100.
(2) Особи-потомки есть 1010100 и 0110101.
(3) Особи-потомки есть 1000101 и 0110101.
(4) Особи-потомки есть 1010100 и 0100101.
Чем можно задать конечный автомат?
(1) Матрица.
(2) Таблица переходов и выходов.
(3) Граф переходов и выходов.
(4) Древовидная структура.
Что определяет в приведенной формуле коэффициент ![math]()
? ![math]()
?
(1) Влияние социальной составляющей.
(2) Влияние когнитивной составляющей.
(3) Диапазон изменения случайного коэффициента ![math]()
.
.
(4) Диапазон изменения случайного коэффициента ![math]()
.
. Как влияет значение параметра ![math]()
в формуле на характеристики алгоритма. ![math]()
в формуле на характеристики алгоритма. 
(1) Большие значения усиливают влияние концентрации феромона.
(2) Не оказывают влияние.
(3) При малых значениях алгоритм близок к случайному поиску.
(4) Большие значения ведут к преждевременной сходимости.
Пусть для представления тура при решении задачи коммивояжера (ЗК) с использованием ГА выбрано представление порядка. Пусть заданы число городов в ЗК, базовый упорядоченный список городов и список ссылок . Пусть также заданы списки и двух туров-родителей, в которых вертикальной чертой обозначена точка скрещивания при выполнении одноточечного классического оператора кроссинговера. В списках начальный указатель – первый слева номер в этом списке. Требуется: а) по списку указать задаваемый им тур; б)по спискам и , которые задают два тура-родителя, найти их двух потомков и в результате выполнения упомянутого оператора кроссинговера.
(1) а)![math]()
; б)![math]()
.
; б)
.
(2) а)![math]()
; б)![math]()
.
; б).
(3) а)![math]()
; б)![math]()
.
; б)
.
(4) а)![math]()
; б)![math]()
.
; б). Пусть имеется популяция, содержащая 12 особей ![math]()
, для которых известны значения фитнесс-функции : ![math]()
. Требуется произвести детерминированный турнирный отбор родителей в этой популяции за ![math]()
туров.
, для которых известны значения фитнесс-функции : . Требуется произвести детерминированный турнирный отбор родителей в этой популяции за туров.
, случайным образом получено 6 туров: (5,7), (6,8), (12,1), (3,2),(4,11),(9,10).
(1) В родительский пул вошли особи ![math]()
(2) В родительский пул вошли особи ![math]()
(3) В родительский пул вошли особи ![math]()
(4) В родительский пул вошли особи ![math]()
Каковы основные подходы к использованию ГА в многокритериальной оптимизации?
(1) Векторная оценка.
(2) Мультипликативный.
(3) Ранжирование по Парето.
(4) Случайный взвешенный ГА.
(5) Адаптивный взвешенный ГА.
(6) Доминируемый ГА.
(7) Недоминируемый ГА.
(8) Интерактивный ГА.
Какой формуле соответствует приведенное на рисунке дерево?![files]()
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
Выберите правильный возможный результат выполнения кроссинговера для приведенных родителей.
Родитель 1: 00[1 11 1 111 0]1 0 110 10 0.
Родитель 2: 10[1 1]1 0 001 01 1 .
(1) Потомок 1: 001 11 1 110 10 1;
Потомок 2: 111 1 1 1 111 01 0 001 01 00 .
(2) Потомок 1: 001 11 0 110 10 0;
Потомок 2: 101 1 1 1 111 01 0 001 01 01 .
(3) Потомок 1: 101 11 0 110 11 0;
Потомок 2: 101 1 1 1 111 01 1 001 01 01 .
(4) Потомок 1: 111 11 0 110 11 0;
Потомок 2: 111 1 1 1 111 01 0 001 11 11 .
Как изменяется вектор вероятностей при выполнении оператора мутации?
(1) Его компоненты ![math]()
увеличиваются.
увеличиваются.
(2) Его компоненты ![math]()
случайно изменяются.
случайно изменяются.
(3) Сдвиг в сторону лучшей особи в пространстве ![math]()
.
.
(4) Случайный сдвиг в пространстве ![math]()
.
. Как применяется "правило успеха"?
(1) После каждых ![math]()
поколений.
поколений.
(2) В каждом поколении.
(3) Увеличение отклонения ![math]()
, если ![math]()
.
, если 
.
(4) Уменьшение отклонения ![math]()
, если ![math]()
.
, если 
. Решается задача поиска экстремума функции вещественной переменной ![math]()
на отрезке ![math]()
cточностью до знаков после запятой с использованием ГА. Требуется найти диапазон представления решения задачи (особи-хромосомы)в виде двоичного числа. Отрезок ![math]()
.
на отрезке cточностью до знаков после запятой с использованием ГА. Требуется найти диапазон представления решения задачи (особи-хромосомы)в виде двоичного числа. Отрезок 
.
(1) Границы диапазона суть 10-значные двоичные числа, искомый диапазон есть [0000000000,1111111111].
(2) Границы диапазона суть 11-значные двоичные числа, искомый диапазон есть [00000000000,11111111111].
(3) Границы диапазона суть 12-значные двоичные числа, искомый диапазон есть [000000000000,111111111111].
(4) Границы диапазона суть 13-значные двоичные числа, искомый диапазон есть [0000000000000,1111111111111].
Какие из приведенных утверждений справедливы для отбора родителей в классическом ЭП?
(1) Применяется пропорциональный отбор.
(2) Применяется турнирный отбор.
(3) Лучшая половина особей популяции используется для генерации следующего поколения.
(4) Используется попарное сравнение родителей и потомков.
(5) Применяется ранговый отбор.
Как взаимодействуют частицы в рое между собой?
(1) Путем кроссинговера.
(2) Путем мутации.
(3) Путем передачи лучших глобальных позиций.
(4) Путем передачи лучших персональных позиций.
(5) Путем отбора лучших особей.
Какие из приведенных ниже утверждений справедливы для простого муравьиного алгоритма (ПМА)?
(1) ПМА эффективен для графов малой размерности.
(2) ПМА эффективен для графов высокой размерности.
(3) Эффект испарения не имеет значения.
(4) Эффект испарения более важен для графов большой размерности.
(5) При выборе следующей дуги в ПМА используются только информация локального окружения.
Пусть для представления тура при решении задачи коммивояжера с использованием ГА выбрано представление соседства. Пусть задан список , содержащий городов.
Требуется выписать тур городов, задаваемый списком 
, и описать оператор кроссинговера, репродуцирующий потомков на основе обмена ребрами.
(1) ![math]()
.
.
(2) ![math]()
.
.
(3) ![math]()
.
.
(4) ![math]()
.
. В чем состоит существо панмиксии?
(1) Панмиксия –это случайный выбор особей из популяции для объединения в пару.
(2) Панмиксия– это эквивалент случайного выбора пары из элитарного подмножества популяции.
(3) Панмиксия – это объединение в пары наиболее близких по значениям фитнесс-функции соседей.
(4) Панмиксия – это объединение в пары наиболее далеких по значениям фитнесс-функции соседей.
Какие преимущества имеет параллельный ГА, реализованный по "модели островов"?
(1) Повышение качества решения.
(2) Ускорение процесса поиска решения.
(3) Уменьшение затрат оперативной памяти.
(4) Уменьшение "накладных расходов" в вычислительном процессе.
Когда выполняются генетические операторы кроссинговера и мутации в векторном ГА?
(1) До отбора особей.
(2) После отбора особей
(3) До перемешивания.
(4) После перемешивания.
(5) После редукции популяции.
Какие виды мутации применяются для древовидного представления?
(1) Зеркальная.
(2) Узловая.
(3) Стохастичная.
(4) Усекающая.
(5) Растущая.
(6) Доминирующая.
Что оценивается в фитнесс-функции в Питтсбургском подходе?
(1) Отдельная продукция.
(2) Система продукций.
(3) Процент правильно классифицируемых примеров обучающей выборки.
(4) Поощрение за правильный результат.
Какая популяция итеративно генерируется в алгоритме пошагового обучения?
(1) Начальная популяция.
(2) Текущая популяция.
(3) Виртуальная популяция.
(4) Конечная популяция.
Какие особи уничтожаются в многократной ЭС?
(1) Родительские особи.
(2) Самая слабая особь.
(3) Самая сильная особь.
(4) Случайная особь.
Пусть H =01*110** есть схема (шаблон), используемая в ГА. Определите значение порядка схемы O(H) и ее длину L(H).
(1) O(H)= 4,L(H)= 5.
(2) O(H)= 5, L(H)= 5.
(3) O(H)= 5, L(H)= 4.
(4) O(H)= 6, L(H)= 4.
Если данный автомат на входную последовательность X=011101 из состояния А выдает выходную последовательность Y=110101, то сколько правильных выходных символов предсказано?![files]()
(1) 1.
(2) 2.
(3) 3.
(4) 4.
(5) Ни одного.
Какие типовые структуры используются в локальном РА для определения соседства частиц?
(1) Кольцо.
(2) Звезда.
(3) Тор.
(4) Пирамида.
(5) Куб.
(6) Решетка.
Какие модификации метода вычисления концентрации феромона применяются в "Муравьиной системе"?
(1) ![math]()
, где ![math]()
– длина пути, построенного ![math]()
-м муравьем в момент времени ![math]()
.
, где 
– длина пути, построенного -м муравьем в момент времени 
.
(2) Ant-density AS, где ![math]()
(3) Ant-quantity AS, для которой ![math]()
(4) Ant-cycle AS, где ![math]()
Выполнить частично соответствующий оператор кроссинговера над парой родителей ![math]()
и ![math]()
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. Вответах приведены потомки этих родителей
и 
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. Вответах приведены потомки этих родителей
(1) ![math]()
.
.
(2) ![math]()
.
.
(3) ![math]()
.
.
(4) ![math]()
.
. Для особей ![math]()
= 110101100101 и ![math]()
=101010110010 построить два потомка П1 и П2 с использованием многоточечного оператора кроссинговера.
= 110101100101 и =101010110010 построить два потомка П1 и П2 с использованием многоточечного оператора кроссинговера.Применить трехточечный ОК, точки скрещивания 3,6 и 10.
(1) П1=110110100101, П2= 101101010110.
(2) П1=110010100101, П2= 101101110010.
(3) П1=110101110001, П2= 101101100110.
(4) П1=1010010101100, П2= 101101110100.
Какие типовые схемы обмена между "островами" используются в распределенных ГА.
(1) Кольцо.
(2) Ромб.
(3) Каждый с каждым.
(4) Пирамида.
(5) Дерево.
(6) Гиперкуб.
Какой ранг присваивается недоминируемым особям?
(1) Минимальный.
(2) Максимальный.
(3) Ранг 1.
(4) Ранг 2.
(5) Ранг 3.
Что изменяется при мутации в линейных структурах?
(1) Переменная.
(2) Структура программы.
(3) Константа.
(4) Оператор.
(5) Вероятность мутации.
Что используется в качестве фитнесс-функции в Мичиганском подходе?
(1) Число правильно классифицированных концепций.
(2) Сила классификаторов.
(3) Доля правильно классифицированных концепций.
(4) Число входных сообщений.
(5) Число выходных сообщений.
Какой метод отбора особей применяется в компактном ГА?
(1) Ранговый.
(2) Турнирный.
(3) Рулетка.
(4) Локальный.
Регулирование каких параметров используется в самоадаптации?
(1) Отклонения.
(2) Средние значения.
(3) Углы вращения.
(4) Моменты высоких порядков.
Сформулируйте содержательный смысл фундаментальной теоремы ГА.
(1) Число "хороших" хромосом-решений исследуемой задачи, покрываемых схемой ![math]()
,возрастает с ростом ![math]()
числа итераций ГА как ![math]()
.
,возрастает с ростом числа итераций ГА как 
.
(2) Схемы малого порядка и малой длины с ростом числа итераций ГА формируют множество своих представителей, мощность которого растет по степенному закону.
(3) Схемы малого порядка и малой длины с ростом числа итераций ГА формируют множество своих представителей, мощность которого растет по показательному закону.
(4) Число "хороших" хромосом-решений исследуемой задачи, покрываемых схемой ![math]()
, возрастает с ростом ![math]()
числа итераций ГА как ![math]()
.
, возрастает с ростом числа итераций ГА как 
. Какое число состояний n автоматов используется при решении задач прогнозирования?
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
(5) ![math]()
Какие условия останова можно использовать в РА?
(1) По максимальному числу итераций.
(2) По найденному приемлемому решения.
(3) По лучшему глобальному решению.
(4) По отсутствию улучшения решения.
(5) По лучшему персональному решению.
(6) По стремлению нормализованного радиуса к нулю.
(7) По малой крутизне.
Какие стратегии используются в максиминной системе при коррекции концентрации феромона?
(1) Использование только глобально лучшего пути ![math]()
для определения концентрации ![math]()
.
для определения концентрации 
.
(2) Использование только локальной информации.
(3) Использование смешанных стратегий, где для коррекции концентрации феромона используются как локальный? так и глобальный лучшие пути.
(4) Реинициализация значений концентрации.
Выполнить циклический оператор кроссинговера над парой родителей ![math]()
и ![math]()
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. В ответах приведены потомки этих родителей
и 
, где вертикальными черточками обозначены секущие точки, являющиеся границами обмена. В ответах приведены потомки этих родителей
(1) ![math]()
.
.
(2) ![math]()
.
.
(3) ![math]()
(4) ![math]()
Пусть заданы маски ![math]()
=(2,1,2,1) и ![math]()
=(1,2,1,2) , два родителя ![math]()
=(27,193,25,14) и ![math]()
=(16,7,9,8).Требуется найти двух потомков П1 и П2с использованием оператора дискретного скрещивания.
=(2,1,2,1) и 
=(1,2,1,2) , два родителя =(27,193,25,14) и =(16,7,9,8).Требуется найти двух потомков П1 и П2с использованием оператора дискретного скрещивания.
(1) П1=(16,25,9,14), П2= (27,193,25,8).
(2) П1=(16,193,9,14), П2= (27,7,25,8).
(3) П1=(16,193,9,14), П2= (27,7,25,9).
(4) П1=(16,25,9,14), П2= (27,7,25,8).
От каких параметров зависят клеточные ГА.
(1) Топология сети.
(2) Вероятность кроссинговера.
(3) Размерность структуры.
(4) Тип окрестности.
(5) Вид отбора особей
Какие характерные точки используются в ГА с адаптивными весами?
(1) Максимальная экстремальная точка.
(2) Доминируемая экстремальная точка.
(3) Минимальная экстремальная точка.
(4) Точка со среднеарифметическими значениями координат.
Какие из приведенных фрагментов содержат интроны?
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
(5) ![math]()
Какие из представленных компонент входят в состав классификатора XCS?
(1) Условная часть.
(2) Эффектор.
(3) Активная часть
(4) Поощрение прогноза
(5) Ошибка прогноза поощрения.
(6) Среднее значение поощрения.
(7) Фитнесс.
Сколько значений может принимать ген в алгоритме SELFISH?
(1) 2.
(2) 3.
(3) 4.
(4) Различное.
Выберите правильный вариант описания для ![math]()
-ЭС .
-ЭС .
(1) ![math]()
родителей производят 1 потомок.
родителей производят 1 потомок.
(2) ![math]()
родителей производят ![math]()
потомков ![math]()
.
родителей производят потомков 
.
(3) Отбор1-й лучшей особи производится среди объединенного множества (![math]()
особей) родителей и потомков.
особей) родителей и потомков.
(4) Отбор ![math]()
лучших особей производится среди потомков.
лучших особей производится среди потомков. Как изменяется шаг мутации в современном ЭП?
(1) Неадаптивное ЭП, где отклонения размера шага остаются постоянными.
(2) Динамическое ЭП, где отклонение размера шага изменяется с течением времени в соответствии с некоторой детерминированной функцией.
(3) Самоадаптивное ЭП, в котором отклонение размера шага изменяется динамически.
(4) Размер шага изменяется случайно согласно распределению Рэлея.
Какие приемы используются в модификациях РА?
(1) Ограничение скорости.
(2) Ограничение пространства поиска.
(3) Введение веса инерции.
(4) Введение коэффициента сжатия.
(5) Введение дополнительных коэффициентов ускорения.
(6) Применение асинхронных алгоритмов.
Какие особенности имеет "ранговая муравьиная система"?
(1) Не имеет особенностей.
(2) Коррекция концентрации феромона выполняется только у 1-го муравья.
(3) Использование элитных муравьев.
(4) Использование только глобальной информации.
(5) Изменение концентрации феромона на основе ранжирования.
Пусть для представления тура при решении задачи коммивояжера с использованием ГА выбрано представление в виде матрицы смежности. Пусть заданы два тура и с помощью матриц смежности. Требуется выполнить над турами оператор двухточечного кроссинговера, используя эти матрицы, и представить полученных потомков в виде упорядоченных списков.
Пусть 
и 
.Точками скрещивания в операторе кроссинговера являются 2 и 3.
(1) ![math]()
(2) ![math]()
(3) ![math]()
(4) ![math]()
Выполнить оператор инверсии над хромосомой Р =1011100101, если в ней случайным образом были выбраны позиции 4 и 7.
(1) 1010101101
(2) 1010101011
(3) 1010111001
(4) 1010101010
Какой двухуровневый гибридный алгоритм представлен на рисунке?![files]()
(1) "Рабочий-хозяин"-"модель островов" (верхний уровень-нижний уровень).
(2) "Модель островов"-модель островов.
(3) Клеточный-"Рабочий хозяин".
(4) "Модель островов"- "Рабочий хозяин".
(5) "Рабочий -хозяин"- "Клеточный".
Какие особи составляют первый фронт Парето в в недоминируемом ГА?
(1) Доминируемые решения.
(2) Частично недоминируемые решения.
(3) Полностью недоминируемые решения.
(4) Частично доминируемые решения.
Какие предварительные этапы необходимо выполнить перед основным алгоритмом ГП?
(1) Инициализация начальной популяции.
(2) Оценка особей, входящих в популяцию.
(3) Определение терминального множества.
(4) Отбор родителей.
(5) Определение функционального множества.
(6) Определение фитнесс-функции.
(7) Определение значений параметров.
Какие генетические операторы из приведенных ниже применяются в эволюции XCS?
(1) Классический кроссинговер.
(2) Арифметический кроссинговер.
(3) Свободная мутация.
(4) Зеркальная мутация.
(5) Пропорциональный отбор.
Чем отличается алгоритм SELFISH от других вероятностных ГА?
(1) Представлением популяции.
(2) Генетическими операторами.
(3) Отбором особей.
(4) Критерием окончания.
Какие виды случайных распределений применяются в мутации ЭС?
(1) Гауссово.
(2) Симметричное.
(3) Пуассоновское.
(4) Многомерное.
(5) Асимметричное.
Какие методы самоадаптации используются в современном ЭП?
(1) Аддитивные методы.
(2) Мульликативные методы.
(3) На основе логарифмически нормального распределения.
(4) На основе распределения Пуассона.
(5) Робастное ЭП.
Что отличает РА и ГА?
(1) Случайная генерация начальной популяции.
(2) Оценка фитнесс-функции особей.
(3) Генетические операторы.
(4) Случайный поиск.
(5) Механизм обмена информацией между особями.
Какие приемы принимаются при решении задач в динамической среде?
(1) Увеличение влияния эвристики (коэффициент ![math]()
).
).
(2) Увеличение влияния концентрации феромона (коэффициент ![math]()
).
).
(3) Реинициализация феромона.
(4) Восстановление решения.
(5) Сужение пространства поиска.
(6) Расширение пространства поиска.
(7) Локальные правила коррекции концентрации феромона.
Если задана квадратная матрица ![math]()
из нулей и единиц размерности ![math]()
,то при каких условиях она представляет правильный тур?
из нулей и единиц размерности 
,то при каких условиях она представляет правильный тур?
(1) Число единиц в ![math]()
точно равно ![math]()
точно равно 
(2) Если ![math]()
для всех ![math]()
.
для всех 
.
(3) Если ![math]()
и ![math]()
, то ![math]()
и 
, то 
(4) Если одновременно выполняются все три условия, перечисленные в ответах 1-3
(5) Если одновременно выполняются условия, перечисленные в ответах 1 и 2
(6) Если одновременно выполняются условия, перечисленные в ответах 1 и 3
Что представляет собой ниша в ГА?
(1) Ниша – это совокупность особей популяции, концентрирующихся вокруг некоторой точки экстремума мультимодальной функции. Основная идея при поиске такой точки экстремума состоит в увеличении значений фитнесс- функции пропорционально числу особей в этой области.
(2) Ниша – это совокупность особей популяции, концентрирующихся вокруг некоторой точки экстремума мультимодальной функции. Основная идея при поиске такой точки экстремума состоит в уменьшении значений фитнесс- функции пропорционально числу особей в этой области.
(3) Ниша - это подмножество пространства поиска решений экстремумов мультимодальной функции, содержащее более одной точки экстремума.
(4) 4.Ниша - это подмножество пространства поиска решений экстремумов мультимодальной функции, содержащее ровно одну точку экстремума.
Какие виды отбора особей используются в конкурирующей эволюции?
(1) Пропорциональный
(2) Случайный отбор.
(3) Турнирный отбор.
(4) Ранговый.
(5) Все против всех.
(6) Все против лучшего.
(7) Совместное тестирование.
Какие особи должны получать хорошие значения в интерактивном ГА.
(1) Доминируемые особи.
(2) Недоминируемые особи.
(3) Особи, близкие к фронту Парето.
(4) Особи, далекие от фронта Парето.
Какие параметры необходимо определить при разработке алгоритма ГП?
(1) Терминальное множество.
(2) Функциональное множество.
(3) Мощность популяции.
(4) Средее значение фитнесс-функции.
(5) Значения вероятностей мутации и кроссинговера.
(6) Метод отбора родителей
(7) Максимальное число поколений.
(8) Максимальная глубина дерева.
(9) Максимальное значение фитнесс-функции.
Какие генетические операторы из приведенных ниже могут применяться при прогнозировании?
(1) Пропорциональный отбор родителей.
(2) Вещественный кроссинговер.
(3) Случайный выбор узлов от родительских особей(кроссинговер)
(4) Расширение или сужение диапазона изменения переменной (мутация).
(5) Растущая мутация.
Какие вероятностные ГА допускают лучшую аппаратную реализацию?
(1) Обычные вероятностные ГА.
(2) Пошаговое обучение на основе виртуальной популяции.
(3) Компактные ГА.
(4) Алгоритм SELFISH.
Что общего в ЭС и ГА?
(1) Принцип отбора лучших особей.
(2) Кодирование потенциальных решений.
(3) Наличие оператора мутации.
(4) Изменение параметров в процессе эволюции.
(5) Наличие оператора рекомбинации.
(6) Наличие процедуры сокращения популяции.
Требуется найти оптимальное решение задачи коммивояжера любым из описанных в разделе 2 пособия методом, реализовав этот метод в виде программы на известном вам языке программирования. Исходные данные задачи представлены в виде квадратной матрицы, элементы которой интерпретируются как время переезда из города в город .
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
| 1 | * | 4 | - | 5 | 3 | 1 | 1 |
| 2 | * | 6 | 2 | - | 3 | - | |
| 3 | * | 3 | - | 2 | |||
| 4 | * | 1 | 5 | 6 | |||
| 5 | * | - | - | ||||
| 6 | * | 6 | |||||
| 7 | * |
(1) Минимальный по времени маршрут коммивояжера есть (1-2-3-7-6-1-4-5-1)
(2) Минимальный по времени маршрут коммивояжера есть (1-7-3-2-6-4-5-1)
(3) Минимальный по времени маршрут коммивояжера есть (1-7-3-5-4-2-6-1)
(4) Минимальный по времени маршрут коммивояжера есть (1-2-3-7-6-4-2-1)
Сколько подпопуляций используется в кооперативной коэволюции.
(1) 1.
(2) 2.
(3) 4.
(4) 8.
Каковы критерии останова ГА?
(1) Генерация заданного количества поколений особей.
(2) Достижение заданного качества одной из особей в очередном поколении.
(3) Достижение заданного качества по крайней мере двумя особями в очередном поколении.
(4) Генерация заданного количества поколений особей и достижение заданного качества одной из особей в очередном поколении.
Влияет ли величина значения фитнесс-функции особи в процессе эволюции на результат поиска оптимального решения?
(1) Величина значения фитнесс-функции никак не влияет на результат поиска оптимального решения с использованием ГА.
(2) Это зависит от метода отбора потомков: если, например, производится элитарный отбор, то особи с большими значениями фитнесс-функции быстро "вытесняют" из популяции остальные особи, что может привести к преждевременной сходимости ГА.
(3) Особи с очень маленькими значениями фитнесс-функции очень быстро исключаются из популяции, что приводит к преждевременной сходимости ГА.
(4) Если в начальной популяции значения фитнесс-функций для особей незначительно отличаются друг от друга, то это гарантирует получение оптимального решения.
В чем состоит суть метода колеса рулетки при выборе особей для участия в операторе репродукции?
(1) Организация равномерного случайного выбора особей.
(2) Выбор особи с вероятностью, пропорциональной соответствующей ей площади колеса рулетки.
(3) Организация элитарного выбора особи на основе нормального закона распределения вероятностей.
(4) Организация элитарного выбора особи на основе распределения вероятностей по закону Пуассона.
Поясните содержательно существо метода отбора родителей на основе усечения.
(1) Вначале из текущего множества особей случайным образом выбирается половина и она упорядочивается согласно значениям их фитнесс-функций: ![math]()
. Далее формируются пары родителей ![math]()
, где i=1,2,\dots,k/2.
. Далее формируются пары родителей 
, где i=1,2,\dots,k/2.
(2) Вначале из текущего множества особей случайным образом выбирается половина и она упорядочивается согласно значениям их фитнесс-функций: ![math]()
. Далее из них случайным образом формируются пары родителей.
. Далее из них случайным образом формируются пары родителей.
(3) Вначале из текущего множества особей случайным образом выбирается половина и она упорядочивается согласно значениям их фитнесс-функций: ![math]()
.Далее формируются пары родителей ![math]()
.
.Далее формируются пары родителей 
.
(4) Вначале отбираемые особи упорядочиваются согласно их значениям фитнесс-функции. Далее из них выбирается "лучшая" часть и, наконец, среди них случайным образом выбираются пары родителей. При этом используется параметр – порог отсечения ![math]()
, показывающий долю (часть популяции), которая отбирается в качестве родителей. Обычно ![math]()
.
, показывающий долю (часть популяции), которая отбирается в качестве родителей. Обычно 
. Выполните простой (одноточечный) оператор кроссинговера над хромосомами А и В, если точка кроссинговера ![math]()
расположена сразу за ![math]()
-м геном хромосом при нумерации генов слева направо. ![math]()
.
расположена сразу за -м геном хромосом при нумерации генов слева направо. 
.
(1) Особи-потомки есть 11100100 и 11110101.
(2) Особи-потомки есть 11101000 и 11100101.
(3) Особи-потомки есть 11100101 и 11101010.
(4) Особи-потомки есть 11101011 и 11100101.
Пусть имеется популяция, содержащая 12 особей ![math]()
, для которых известны значения фитнесс-функции : ![math]()
. Требуется произвести детерминированный турнирный отбор родителей в этой популяции за ![math]()
туров.
, для которых известны значения фитнесс-функции : . Требуется произвести детерминированный турнирный отбор родителей в этой популяции за туров.
, случайным образом получено 4 тура: (4,5,7,6), (11,8,9,1), (10,12,2,3).
(1) В родительский пул вошли особи ![math]()
(2) В родительский пул вошли особи ![math]()
(3) В родительский пул вошли особи ![math]()
(4) В родительский пул вошли особи ![math]()
Решается задача поиска экстремума функции вещественной переменной ![math]()
на отрезке ![math]()
cточностью до знаков после запятой с использованием ГА. Требуется найти диапазон представления решения задачи (особи-хромосомы)в виде двоичного числа. Отрезок ![math]()
.
на отрезке cточностью до знаков после запятой с использованием ГА. Требуется найти диапазон представления решения задачи (особи-хромосомы)в виде двоичного числа. Отрезок 
.
(1) Границы диапазона суть 9-значные двоичные числа, искомый диапазон есть [000000000,111111111].
(2) Границы диапазона суть 10-значные двоичные числа, искомый диапазон есть [0000000000,1111111111].
(3) Границы диапазона суть 11-значные двоичные числа, искомый диапазон есть [000000000000,111111111111].
(4) Границы диапазона суть 12-значные двоичные числа, искомый диапазон есть [000000000000,111111111111].
В чем состоит существо селективного выбора?
(1) Этот метод предполагает участие в выборе особей лишь с "хорошими" (выше среднего по популяции) значениями фитнесс-функции.
(2) Этот метод предполагает случайный выбор особей.
(3) Панмиксия и селективный выбор представляют собой эквивалентные методы выбора.
Какой из приведеннях вариантов выполнения усекающей мутации является правильным?
(1) ![files]()
(2) ![files]()
(3) ![files]()
Каковы условия возрастания с ростом номера поколений числа хромосом, представляющих "хорошее" решение исследуемой задачи, из схемы-источника?
(1) Значение фитнесс-функции "хорошей" схемы-источника должно быть выше ее среднего значения по всей популяции.
(2) "Хорошая" схема-источник должна иметь малую вероятность мутации.
(3) "Хорошая" схема-источник должна иметь малую длину L(H).
(4) "Хорошая" схема-источник должна иметь большое значение порядка O(H).
Для особей ![math]()
= 110101100101 и ![math]()
=101010110010 построить два потомка П1 и П2 с использованием многоточечного оператора кроссинговера.
= 110101100101 и =101010110010 построить два потомка П1 и П2 с использованием многоточечного оператора кроссинговера.Применить четырехточечный ОК, точки скрещивания 1, 3,6 и 10.
(1) П1=110110101101, П2= 101001010110.
(2) П1=110010000101, П2= 101101010010.
(3) П1=101010110001, П2= 110101100110.
(4) П1=101001010110, П2= 101101100100.
Сформулируйте содержательный смысл No Free Lunch теоремы.
(1) Среди всех эволюционных алгоритмов существует по крайней мере один, который дает лучшие результаты при решении всевозможных проблем.
(2) Невозможно выбрать генетические операторы и их параметры так, чтобы соответствующий эволюционный алгоритм давал лучшие результаты независимо от решаемой проблемы.
(3) Существует такое разбиение множества всех оптимизационных проблем, что для каждого такого подмножества найдется эволюционный алгоритм, дающий наилучшие результаты.
(4) Не существует лучшего алгоритма (эволюционного или любого другого типа) для решения всех оптимизационных проблем.
Пусть заданы родителя ![math]()
=(27,193,25,14) и ![math]()
=(16,7,9,8). Пусть случайным образом выбраны следующие масштабные множители ![math]()
для и ![math]()
соответственно для получения двух потомков О1 и О2. Требуется построить этих потомков с использованием оператора обычной промежуточной рекомбинации.
=(27,193,25,14) и =(16,7,9,8). Пусть случайным образом выбраны следующие масштабные множители 
для и 
соответственно для получения двух потомков О1 и О2. Требуется построить этих потомков с использованием оператора обычной промежуточной рекомбинации.
(1) П1=(21,5;44,2;23,4;17,48), П2=(22,6;23,48;17;10,4).
(2) П1=(21,5;62,8,2;23,4;9,8), П2=(22,6;10,35;17;10,4).
(3) П1=(21,5;44,2;23,4;10,4), П2=(22,6;62,8;17;10,4 ).
(4) П1=(21,5;44,2;23,4;9,8), П2= (22,6;62,8;17;10,4).
Выполнить оператор мутации над вещественным числом V=101,75 с заданным шагом мутации ![math]()
.
.
(1) 101,7650
(2) 101,7515
(3) 101,7510
(4) 101,7610
В чем отличие эволюции по Ламарку от эволюции по Дарвину?
(1) Какие-либо принципиальные отличия процессов эволюции по Ламарку и Дарвину отсутствуют.
(2) По Ламарку в процессе эволюции окружающая среда оказывает прямое влияние на наследуемые признаки. Причем соответствующие изменения далее способны передаваться по наследству, что не предусматривает теория эволюции по Дарвину.
(3) По теории эволюции Ламарка после соответствующего преобразования особи с учетом влияния окружающей среды она помещается назад в текущую популяцию и имеет шанс на этапе отбора и кроссинговера передать информацию потомкам. По Дарвину окружающая среда не влияет на наследуемые признаки.
(4) Формирование следующего поколения по Дарвину осуществляется по принципу – выживает сильнейший. Причем отбор особей осуществляется только по значениям фитнесс-функций. По Ламарку отбор подразумевает учет еще одного параметра – коэффициент влияния окружающей среды.
Чем отличается инбридинг от аутбридинга?
(1) В инбридинге предполагается участие в выборе особей лишь с "хорошими" (выше среднего по популяции) значениями фитнесс-функции. В аутбридинге участвуют все особи текущего поколения независимо от значений фитнесс-функций.
(2) В инбридинге пары формируются из максимально далеких особей. В аутбридинге пары формируются из максимально близких особей.
(3) В инбридинге первый член пары выбирается случайно, а вторым является максимально близкая к нему особь. В аутбридинге пары формируются из максимально далеких особей
Пусть заданы родителя ![math]()
=(27,193,25,14) и ![math]()
=(16,7,9,8).Пусть случайным образом выбран масштабные множитель ![math]()
и ![math]()
для получения двух потомков П1 и П2. Требуется построить этих потомков с использованием оператора линейной рекомбинации.
=(27,193,25,14) и =(16,7,9,8).Пусть случайным образом выбран масштабные множитель и для получения двух потомков П1 и П2. Требуется построить этих потомков с использованием оператора линейной рекомбинации.
(1) П1=(21,5;100;17;11), П2= (22,6;118,6;18,6;11,6).
(2) П1=(21,5;101;17,2;11), П2= (22,6;118,6;18,6;11,6).
(3) П1=(21,5;100;17;11,5),П2=(22,6;118,6;18,36;11,11).
(4) П1=(21,5;90;117;11), П2= (22,6;118,6;18,36;11,11).
Перечислите известные вам методы редукции, применяемые для сокращения промежуточной популяции и кратко охарактеризуйте их.
(1) Чистая замена, элитарная схема.
(2) Равномерная случайная замена, пропорциональная редукция.
(3) Селекционная схема, локальная замена.
(4) Фильтрация популяции по среднему значению целевой функции популяции.
В чем состоит адаптация ГА?
(1) Адаптация ГА состоит в адаптации к решаемой проблеме и в адаптации к процессу эволюции.
(2) Адаптация ГА состоит в адаптации мощности популяции и вероятностей операторов кроссинговера и мутации.
(3) Адаптация ГА означает только адаптацию к применению нечетких контроллеров.
(4) Адаптация ГА – это процесс самонастройки параметров ГА в процессе выполнения эволюции.