Az előző feladatok konklúziójaként határozza meg a Gbest értékét. Ha a részecskék egy iterációja javított rajta, adja meg az új értéket! Ha nem javult a Gbest értéke, adja meg az addig ismert értéket!

Három felfedező – Bob, Anthony és Jennifer – egy 10×10-es domborzati térképen kutatja a legmélyebb pontot, ahol egy kincs rejtőzik. A térkép minden pontjához tartozik egy magasságérték (lásd lentebb). A cél az, hogy minden részecske közelítsen a legkisebb magasságú ponthoz.

A részecskék aktuális állapota:

• Bob: pozíció = (2,3), irányvektor = (1,1), legjobb eddigi saját pozíciója = (2,3)

• Anthony: pozíció = (4,5), irányvektor = (-1,0), legjobb saját pozíció = (4,5)

• Jennifer: pozíció = (7,2), irányvektor = (0,1), legjobb saját pozíció = (7,2)

A csapat közösen eddig a (7,2) pozíciót tartotta a legjobbnak, mivel ott volt a legkisebb ismert magasság.

Határozza meg Jennifer következő iterációbeli pozícióját! HHa erre az új pozícióra nem egész koordináta jön ki x-re vagy y-ra, kerekítsen LEFELÉ (csak a pozíciót, az inerciát nem)! Válaszát az e feladatban is látható szöveges formátumban adja meg, pl.: (x,y), ahol x és y az új pozíciók koordinátái! A zárójelek között sehol sincs fehér karakter.

Az alkalmazandó paraméterek:

• Inercia súly: w = 0,9

• Egyéni tanulási súly: c₁ ​= 2

• Globális tanulási súly: c₂​ = 2

• Véletlen tényezők:

  • r₁​ = 0,5

  • r₂​ = 0,7

Három felfedező – Bob, Anthony és Jennifer – egy 10×10-es domborzati térképen kutatja a legmélyebb pontot, ahol egy kincs rejtőzik. A térkép minden pontjához tartozik egy magasságérték (lásd lentebb). A cél az, hogy minden részecske közelítsen a legkisebb magasságú ponthoz.

A részecskék aktuális állapota:

• Bob: pozíció = (2,3), irányvektor = (1,1), legjobb eddigi saját pozíciója = (2,3)

• Anthony: pozíció = (4,5), irányvektor = (-1,0), legjobb saját pozíció = (4,5)

• Jennifer: pozíció = (7,2), irányvektor = (0,1), legjobb saját pozíció = (7,2)

A csapat közösen eddig a (7,2) pozíciót tartotta a legjobbnak, mivel ott volt a legkisebb ismert magasság.

Határozza meg Anthony következő iterációbeli pozícióját! Ha erre az új pozícióra nem egész koordináta jön ki x-re vagy y-ra, kerekítsen LEFELÉ (csak a pozíciót, az inerciát nem)! Válaszát az e feladatban is látható szöveges formátumban adja meg, pl.: (x,y), ahol x és y az új pozíciók koordinátái! A zárójelek között sehol sincs fehér karakter.

Az alkalmazandó paraméterek:

• Inercia súly: w = 0,9

• Egyéni tanulási súly: c₁ ​= 2

• Globális tanulási súly: c₂​ = 2

• Véletlen tényezők:

  • r₁​ = 0,5

  • r₂​ = 0,7

Három felfedező – Bob, Anthony és Jennifer – egy 10×10-es domborzati térképen kutatja a legmélyebb pontot, ahol egy kincs rejtőzik. A térkép minden pontjához tartozik egy magasságérték (lásd lentebb). A cél az, hogy minden részecske közelítsen a legkisebb magasságú ponthoz.

A részecskék aktuális állapota:

• Bob: pozíció = (2,3), irányvektor = (1,1), legjobb eddigi saját pozíciója = (2,3)

• Anthony: pozíció = (4,5), irányvektor = (-1,0), legjobb saját pozíció = (4,5)

• Jennifer: pozíció = (7,2), irányvektor = (0,1), legjobb saját pozíció = (7,2)

A csapat közösen eddig a (7,2) pozíciót tartotta a legjobbnak, mivel ott volt a legkisebb ismert magasság.

Határozza meg Bob következő iterációbeli pozícióját! Ha erre az új pozícióra nem egész koordináta jön ki x-re vagy y-ra, kerekítsen LEFELÉ (csak a pozíciót, az inerciát nem)! Válaszát az e feladatban is látható szöveges formátumban adja meg, pl.: (x,y), ahol x és y az új pozíciók koordinátái! A zárójelek között sehol sincs fehér karakter.

Az alkalmazandó paraméterek:

• Inercia súly: w = 0,9

• Egyéni tanulási súly: c₁ ​= 2

• Globális tanulási súly: c₂​ = 2

• Véletlen tényezők:

  • r₁​ = 0,5

  • r₂​ = 0,7

Adott egy 13 egyedből álló populáció. A populáció egyedeinek inicializált értéke az alábbi.

54; 67; 113; 97; 60; 121; 52; 107; 63; 58; 123; 77; 65

• A genetikus algoritmus célja a 127-es érték minél jobban való megközelítése.
• Minden iterációban a 10 legjobbat megtartjuk elitnek, és ezek közül a 2 legnagyobb értékűt választjuk ki szülőnek, amely egyedeket 7 biten, kettes számrendszerben reprezentálunk (pl. 127 = 1111111).
• A keresztezési stratégia során az új egyed minden páratlan bitet a p1-es szülőtől kap, amelyik egyben a kiválasztott 2 szülő közül a nagyobb, míg a páros bitek a p2-es (kisebb fitnesz értékű) szülőtől érkeznek.
• Ha olyan új egyed jön létre, amely megegyezik vagy valamely szülővel, vagy valamely már létező egyeddel a populációban, alkalmazzon mutációt, amely a bitsorozat elejéről elindulva (i.e. hagyományosan balról jobbra olvasva) az első 0 (nulla) elemet lecseréli 1-esre. Ha ily módon sem jön létre új egyed, ismételje meg a következő 0 (nulla) elemmel, és így tovább. Ha a teljes 7 bites sorozaton nem jön létre új egyed, akkor eldobjuk ezt az egyedet, és random generálunk egy újat 1 és 100 közötti értékkel.

Végezzen el egyetlen evolúciós lépést új egyedek létrehozásával addig, míg a popouláció mérete ismét 13 lesz. Mennyi lesz a legjobb fitnesz értékű egyed decimális értéke?

Adott egy 13 egyedből álló populáció. A populáció egyedeinek inicializált értéke az alábbi.

54; 67; 46; 97; 60; 52; 107; 63; 58; 50; 48; 77; 65

• A genetikus algoritmus célja a 127-es érték minél jobban való megközelítése.
• Minden iterációban a 10 legjobbat megtartjuk elitnek, és ezek közül a 2 legnagyobb értékűt választjuk ki szülőnek, amely egyedeket 7 biten, kettes számrendszerben reprezentálunk (pl. 127 = 1111111).
• A keresztezési stratégia során az új egyed minden páratlan bitet a p1-es szülőtől kap, amelyik egyben a kiválasztott 2 szülő közül a nagyobb, míg a páros bitek a p2-es (kisebb fitnesz értékű) szülőtől érkeznek.
• Ha olyan új egyed jön létre, amely megegyezik vagy valamely szülővel, vagy valamely már létező egyeddel a populációban, alkalmazzon mutációt, amely a bitsorozat elejéről elindulva (i.e. hagyományosan balról jobbra olvasva) az első 0 (nulla) elemet lecseréli 1-esre. Ha ily módon sem jön létre új egyed, ismételje meg a következő 0 (nulla) elemmel, és így tovább. Ha a teljes 7 bites sorozaton nem jön létre új egyed, akkor eldobjuk ezt az egyedet, és random generálunk egy újat 1 és 100 közötti értékkel.

Végezzen el egyetlen evolúciós lépést új egyedek létrehozásával addig, míg a popouláció mérete ismét 13 lesz. Mennyi lesz a legjobb fitnesz értékű egyed decimális értéke?

Melyik algoritmus-heurisztika páros teljesít a legjobban a tesztben megismert lapkás játék esetében? Ezt úgy mérhetjük, hogy meghatározzuk, melyik algoritmus talál kevesebb lépésből célállapotot. A kezdőállapot az 1. állapot, a célállapot az utolsó. Vigyázat! Rossz válasz pontlevonással jár!