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?
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
. 
 
(4) Точка в пространстве
. 
Номер 2
Чему соответствует найденное решение в вероятностном ГА?
Ответ:
 (1) Точка в пространстве решений. 
 
(2) Подкуб в гиперкубе пространства
. 
 
(3) Вершина в гиперкубе пространства
. 
 (4) Линия в пространстве решений. 
Упражнение 3:
Номер 1
Как изменяется вектор вероятностей при выполнении оператора репродукции?
Ответ:
 
(1) Его компоненты
. увеличиваются 
 
(2) Его компоненты
.случайно изменяются. 
 
(3) Сдвиг в сторону лучшей особи в пространстве
.. 
 
(4) Случайный сдвиг в пространстве
.. 
Номер 2
Как изменяется вектор вероятностей при выполнении оператора мутации?
Ответ:
 
(1) Его компоненты
увеличиваются. 
 
(2) Его компоненты
случайно изменяются. 
 
(3) Сдвиг в сторону лучшей особи в пространстве
. 
 
(4) Случайный сдвиг в пространстве
. 
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.