تحديد الأهمية النسبية والإعدادات الفعالة لمعلمي التحكم في الخوارزميات الجينية

تعيين معلمي التحكم في الخوارزمية الجينية للحصول على نتائج جيدة هو مشكلة قائمة منذ فترة طويلة. نقوم بتحديد طريقة تصميم وتحليل التجارب لتحديد الأهمية النسبية والإعدادات الفعالة لمعلمي التحكم في أي خوارزمية تطورية، ونطبق هذه الطريقة على خوارزمية جينية مشفرة ثنائية كلاسيكية (GA). بعد ذلك، كما تم الإبلاغ عنه في أماكن أخرى، قمنا بتطبيق الخوارزمية الجينية، مع إعدادات معلمي التحكم التي تم تحديدها هنا، لتوجيه مجموعة من المحاكيات السحابية نحو سلوكيات تكشف عن أداء متدهور وانهيار النظام. يمكن أن تكون المحاكيات الموجهة بواسطة الخوارزمية الجينية أداة تصميم، مما يمكّن مهندسي النظام من تحديد والتخفيف من سيناريوهات الفشل المكلفة ومنخفضة الاحتمالية. في الأدبيات الحالية للخوارزمية الجينية، كشفنا عن آراء وأدلة متضاربة بشأن معلمي التحكم الرئيسيين والإعدادات الفعالة التي يجب اعتمادها. مما نتج عنه، قمنا بتصميم وتنفيذ تجربة لتحديد الأهمية النسبية والإعدادات الفعالة لسبعة معلمي تحكم للخوارزمية الجينية، عند تطبيقها عبر مجموعة من مشاكل التحسين العددي المستمدة من الأدبيات. تصف هذه الورقة تصميم تجربتنا وتحليلها ونتائجها. وجدنا أن عملية الاقتران أثرت بشكل كبير على نجاح الخوارزمية الجينية، تليها معدل الطفرة وحجم السكان، ثم نقطة إعادة العشوائية والاختيار النخبوي. كانت طريقة الاختيار والدقة المستخدمة داخل الكروموسوم لتمثيل القيم العددية لها أقل تأثير. كانت نتائجنا قوية عبر 60 مشكلة تحسين عددي.