Pytania i odpowiedzi (2 / 2)
Metody Metaheurystyczne
51.
Jaka jest główna wada iteracyjnego wspinania?
Wpadanie w minimum lokalne i brak informacji o odległości od minimum globalnego
52.
Czym charakteryzuje się symulowane wyżarzanie w kontekście optymalizacji?
Uwzględnieniem prawdopodobieństwa akceptacji gorszego rozwiązania
53.
Jakie korzyści niesie ze sobą lista tabu w przeszukiwaniu z tabu?
Zapobiega powtórzeniom i zbyt podobnym zmianom
54.
Czym jest dywersyfikacja w kontekście przeszukiwania z tabu?
Badaniem tylko jednego rodzaju zmian w rozwiązaniu
55.
Jakie są parametry przeszukiwania z tabu?
Lista tabu i sposób określania/generowania otoczenia
56.
Czym charakteryzuje się temperatura w symulowanym wyżarzaniu?
Początkowo wysoka, później maleje, wpływając na akceptację gorszych rozwiązań
57.
Czym charakteryzuje się K-opt w algorytmie lokalnej optymalizacji?
Usuwa k krawędzi i zastępuje je innymi krawędziami w celu utworzenia innego prawidłowego cyklu
58.
Co to oznacza, że iteracyjne wspinanie może wpadać w minimum lokalne?
Znalezienie rozwiązania, które nie jest najlepsze globalnie, ale najlepsze w otoczeniu
59.
Jak działa proces iteracyjnego wspinania w kontekście optymalizacji?
Wykonuje kroki w kierunku najszybszego wzrostu wartości funkcji celu
60.
Czym jest fenotyp w algorytmach ewolucyjnych?
Informacja o zachowaniu osobnika
61.
Co oznacza proces dobierania w algorytmach ewolucyjnych?
Tworzenie nowych jednostek
62.
Czym jest mutacja w algorytmach ewolucyjnych?
Losowa zmiana jednego genu
63.
Co to jest genotyp w kontekście algorytmów ewolucyjnych?
Zakodowana informacja o osobniku
64.
Jakie są zastosowania algorytmów ewolucyjnych?
Wszystkie z wymienionych
65.
Co to jest reprodukcja w algorytmach ewolucyjnych?
Proces tworzenia nowych jednostek
66.
Jakie są operatory genetyczne w algorytmach ewolucyjnych?
Wszystkie wymienione
67.
Co oznacza ocena w algorytmach ewolucyjnych?
Tworzenie nowej populacji
68.
Czym jest kryterium minimalnej szybkości poprawy w algorytmach ewolucyjnych?
Algorytm jest zatrzymywany, gdy w kilku kolejnych iteracjach nie uda się poprawić wyniku
69.
Co to jest sukcesja w algorytmach ewolucyjnych?
Proces wyboru nowej populacji bazowej
70.
Jaki jest główny cel mutacji w algorytmach ewolucyjnych?
Zwiększenie różnorodności w populacji
71.
Co to jest krzyżowanie w algorytmach ewolucyjnych?
Mieszanie genów co najmniej dwóch osobników
72.
Co to jest kryterium zadowalającego poziomu funkcji przystosowania w algorytmach ewolucyjnych?
Znalezienie osobnika, którego wartość funkcji przystosowania jest większa od wartości minimalnej
73.
Co oznacza krzyżowanie uśredniające w algorytmach ewolucyjnych?
Wartość każdego genu chromosomów potomnych to liczba pomiędzy największą i najmniejszą wartością genów chromosomów rodzicielskich
74.
Jakie są metody selekcji wykorzystywane w reprodukcji w algorytmach ewolucyjnych?
Reprodukcja rangowa, progowa, ruletkowa i turniejowa
75.
Co oznacza sukcesja z częściowym zastępowaniem w algorytmach ewolucyjnych?
Nowa populacja bazowa wybierana jest spośród dotychczasowej populacji bazowej oraz populacji potomnej
76.
Co charakteryzuje strategię (1 + 1)?
Generowanie wielu chromosomów na krok i mutacja X^t
77.
Co wprowadza strategia (μ + λ) w stosunku do strategii (1 + 1)?
Samoczynną adaptację zasięgu mutacji
78.
Co charakteryzuje strategię z pamięcią?
Posiadanie pamięci przez każdego osobnika
79.
Co to oznacza, że strategia używa przeszukiwania z tabu w algorytmach ewolucyjnych?
Zabranianie osobnikom oddalania się od siebie
80.
Co oznacza podział na podpopulacje w algorytmach ewolucyjnych?
Podział jednej populacji na mniejsze grupy
81.
Jaka jest funkcja sąsiedztwa w modelu dyfuzyjnym?
Pomoc w dyfuzji informacji między osobnikami
82.
Jakie elementy są brane pod uwagę w strategii z płcią w algorytmach ewolucyjnych?
Reguły zabraniające łączenia się osobników
83.
Jakie są warstwy systemu odpornościowego?
Skóra, czynniki fizjologiczne, odporność nieswoista, odporność swoista
84.
Jakie cechy posiada odporność swoista w systemie immunologicznym?
Jest układem przechowującym informacje o rozpoznanych wcześniej antygenach oraz adaptacyjnym, który rozpoznaje nowo pojawiające się antygeny
85.
Jakie są operatory w algorytmie hybrydowym z operatorem wiekowania w sztucznych systemach immunologicznych?
Wiekowanie, eliminacja rozwiązań, przeszukiwanie lokalne
86.
Co oznacza kolorowanie grafu w kontekście sztucznych systemów immunologicznych?
Przydzielanie kolorów wierzchołkom, tak aby sąsiadujące wierzchołki miały różne kolory
87.
Czym jest selekcja negatywna w algorytmach sztucznych systemów immunologicznych?
Eliminacja komórek, które rozpoznają własne struktury
88.
Co reprezentuje wiekowanie w hybrydowym algorytmie immunologicznym w sztucznych systemach immunologicznych?
Symulacja śmierci komórek systemu immunologicznego