Strategia przetwarzania wiedzy w wielopopulacyjnym algorytmie ewolucyjnym

Abstract

The paper presents intelligent agent approach to multi-population evolutionary algorithm with self-adaptation. The algorithm was used to solve traveling salesman problem that belongs to the NP-hard permutational problem class, one of the most popular optimization discrete problem. Concurrent system realization allows to exchange data, like solutions, results and parameter estimations between algorithms. The possibility to improve the algorithm and system efficiency is based on the strategy and knowledge processing diversification. Artykuł prezentuje koncepcję wielopopulacyjnego, samoadaptacyjnego algorytmu ewolucyjnego, wykorzystującego technologię inteligentnych agentów. Algorytm ten zastosowano dla zagadnienia komiwojażera, należącego do klasy problemów permutacyjnych NP-trudnych. Współbieżna realizacja wielu algorytmów ewolucyjnych pozwala na ich komunikację, mającą na celu udostępnienie informacji dotyczącej dotychczasowego przebiegu obliczeń, uzyskanych rozwiązań oraz oceny aktualnie wykorzystywanych elementów konstrukcyjnych algorytmu. Zróżnicowana strategia przetwarzania i stosowania wiedzy prowadzi do zróżnicowanej efektywności algorytmów i całego systemu.