игра брюс 2048
Главная / Алгоритмы и дискретные структуры / Эволюционные вычисления / Тест 8

Эволюционные вычисления - тест 8

Упражнение 1:
Номер 1 
Что представляет популяцию в вероятностных генетических алгоритмах?

Ответ:

 (1) Двоичная строка 

 (2) Вектор целых чисел. 

 (3) Вектор вероятностей. 

 (4) Классификаторы. 

 (5) Матрица. 

Номер 2 
Какой вектор представляет приведенную популяцию? \begin{matrix}
1&1&1&0\\
1&0&1&0\\
1&1&0&0\\
0&0&1&1
\end{matrix}

Ответ:

 (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). 

Упражнение 2:
Номер 1 
Чему соответствует эволюция популяции в вероятностных ГА?

Ответ:

 (1) Точка в пространстве решений. 

 (2) Линия в пространстве решений. 

 (3) Траектория в гиперкубе пространстве math. 

 (4) Точка в пространстве math. 

Номер 2 
Чему соответствует найденное решение в вероятностном ГА?

Ответ:

 (1) Точка в пространстве решений. 

 (2) Подкуб в гиперкубе пространства math. 

 (3) Вершина в гиперкубе пространства math. 

 (4) Линия в пространстве решений. 

Упражнение 3:
Номер 1 
Как изменяется вектор вероятностей при выполнении оператора репродукции?

Ответ:

 (1) Его компоненты math. увеличиваются 

 (2) Его компоненты math.случайно изменяются. 

 (3) Сдвиг в сторону лучшей особи в пространстве math.. 

 (4) Случайный сдвиг в пространстве math.. 

Номер 2 
Как изменяется вектор вероятностей при выполнении оператора мутации?

Ответ:

 (1) Его компоненты math увеличиваются. 

 (2) Его компоненты math случайно изменяются. 

 (3) Сдвиг в сторону лучшей особи в пространстве math. 

 (4) Случайный сдвиг в пространстве math. 

Упражнение 4:
Номер 1 
Какие из приведенных функций входят в алгоритм пошагового обучения на основе виртуальной популяции (PBIL)?

Ответ:

 (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. 

Номер 2 
Какая популяция итеративно генерируется в алгоритме пошагового обучения?

Ответ:

 (1) Начальная популяция. 

 (2) Текущая популяция. 

 (3) Виртуальная популяция. 

 (4) Конечная популяция. 

Упражнение 5:
Номер 1 
Какая мощность виртуальной популяции в компактном ГА?

Ответ:

 (1) 4 особи. 

 (2) 8 особей 

 (3) 2 особи. 

 (4) 1 особь. 

Номер 2 
Какой метод отбора особей применяется в компактном ГА?

Ответ:

 (1) Ранговый. 

 (2) Турнирный. 

 (3) Рулетка. 

 (4) Локальный. 

Упражнение 6:
Номер 1 
Что является базовым элементом эволюции в алгоритме SELFISH?

Ответ:

 (1) Особь. 

 (2) Популяция. 

 (3) Ген. 

 (4) Мутация. 

Номер 2 
Сколько значений может принимать ген в алгоритме SELFISH?

Ответ:

 (1) 2. 

 (2) 3. 

 (3) 4. 

 (4) Различное. 

Упражнение 7:
Номер 1 
Какие из приведенных функций применяются в алгоритме SELFISH?

Ответ:

 (1) Выбор особи. 

 (2) Генерация начальной популяции. 

 (3) Поощрение. 

 (4) Наказание. 

Номер 2 
Чем отличается алгоритм SELFISH от других вероятностных ГА?

Ответ:

 (1) Представлением популяции. 

 (2) Генетическими операторами. 

 (3) Отбором особей. 

 (4) Критерием окончания. 

Упражнение 8:
Номер 1 
Какие преимущества имеют вероятностные ГА по сравнению с классическими ГА?

Ответ:

 (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. 

Номер 2 
Какие вероятностные ГА допускают лучшую аппаратную реализацию?

Ответ:

 (1) Обычные вероятностные ГА. 

 (2) Пошаговое обучение на основе виртуальной популяции. 

 (3) Компактные ГА. 

 (4) Алгоритм SELFISH.  



Главная / Алгоритмы и дискретные структуры / Эволюционные вычисления / Тест 8