Algorytmy genetyczne oraz możliwości ich zastosowań w systemach decyzyjnych

• Autorzy: Janusz Morajda
• Języki publikacji: PL

Abstrakty

Algorytmy genetyczne nadają się szczególnie dobrze do skomplikowanych zagadnień tam, gdzie tradycyjne metody optymalizacji zawodzą. Ich istotną cechą jest to, że zachowują całą populację potencjalnych rozwiązań, podczas gdy inne metody analizują w danej chwili tylko jeden punkt przestrzeni rozwiązań. Pozwala to z jednej strony na unikanie ekstremów lokalnych funkcji celu i przyspieszenie poszukiwania suboptymalnych rozwiązań, z drugiej zaś na łatwość realizacji algorytmu na komputerowych architekturach równoległych, co daje im dodatkową przewagę nad tradycyjnymi algorytmami.
Należy jednak zwrócić uwagę, że tak jak przy każdym narzędziu, użycie algorytmu genetycznego wymaga dobrej znajomości zasad posługiwania się nim oraz rozsądnego sformułowania problemu i oczekiwań. Brak staranności bowiem może tutaj doprowadzić do osiągnięcia pozornie dobrych rozwiązań, które w rezultacie mogą się okazać zupełnie nieprzydatne (należy więc stosować testowanie rozwiązań na danych testujących). Prawidłowo zastosowane algorytmy genetyczne mogą jednak stanowić niezwykle efektywne narzędzie w rozwiązywaniu wielu złożonych problemów. (fragment tekstu)

Słowa kluczowe

PL

Algorytmy genetyczne; Dobór próby badawczej; Materiały konferencyjne

EN

Genetic algorithms; Selection of test methods; Conference materials

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 1997
• Numer: nr 771 Materiały z XXXIII Konferencji Statystyków, Ekonometryków, Matematyków Polski Południowej oraz XV Seminarium Ekonometrycznego im. Profesora Zbigniewa Pawłowskiego, Szklarska Poręba, 6-9 maja 1997
• Strony: 97--110

Twórcy

autor

Janusz Morajda

• Akademia Ekonomiczna w Krakowie

Bibliografia

• Bauer R.: Genetic Algorithms and Investment Strategies. New York: John Wiley & Sons Inc. 1994.
• Bauer R.J. Jr: An Introduction to Genetic Algorithms: A Mutual Fund Screening Example. "Neurovest Journal" 1994 vol. 2, no 4.
• Colby R.W., Mexers T.A.: The Encyclopedia of Technical Market Indicators. Homewood, Illinois : Dow Jones-Irwin 1988.
• Cytowski J.: Algorytmy genetyczne, podstawy i zastosowania. Warszawa: Akademicka Oficyna Wydawnicza PLJ 1996.
• Davis L. (ed.): Handbook of Genetic Algorithms. Van Nostrand Reinhold 1991.
• Goldberg D.E.: Algorytmy genetyczne i ich zastosowania. Warszawa: WNT 1995.
• Goldberg D.E.: Genetic and Evolutionary Algorithms Come of Age. "Communications of the ACM" 1994 vol. 37, no 3.
• Greene D.Р., Smith S.F.: A Genetic System for Learning Models of Consumer Choice. Genetic Algorithms and Their Applications: Proceedings of the Second International Conference on Genetic Algorithms 1987 p. 217-223.
• Holland J.H.: Adaptation in Natural and Artifical Systems. University of Michigan Press, Ann Arbor MI, 1975.
• Jajuga K., Jajuga T.: Jak inwestować w papiery wartościowe. Warszawa: PWN 1993.
• Katz J., McCormick D.: Neurogenetics and Its Use in Trading System Development. "Neurvest Journal" 1994 vol. 2, no 4.
• Leinweber D.J., Arnott R.D.: Quantitative and Computational Innovation in Investment Management. "The Journal of Portfolio Management". Winter 1995.
• Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne. Warszawa: WNT 1996.
• Packard N.: A Genetic learning Algorithm far the Analysis of Complex Data. "Complex Sys." 1990 no 4, p. 573-586.
• Thompson B., Thompson B.: Evolving Knowledge from Data. "Computer Language" 1986 no 3 (11), p. 23-26.
• Whitley G. (ed.): Foundations of Genetic Algorithms. Mateo, CA: SanMorgan Kaufmann 1992.
• Wong F.: Neurogenetic Computing Technology. "Neurovest Journal" 1994 vol. 2, no 4.