As was already mentioned above, bot

As was already mentioned above, both the GA with the two-point order based crossover and the GA with the two-point bit equalizer crossover operator were able to find the optimal solution.
In all cases, we tried the GAs a hundred times using different initializations.
In case of using the GA with the two-point order-based crossover with 50 generations (and other parameter settings as mentioned in Table 2), the optimal solution
was not always found, namely in just 89% of the cases.
However, in case of using that GA with 100 generations, the optimal solution was always found in, on average, almost 31 iterations with a standard deviation of approximately 15,5.
In case of using the the GA with the two-point bit equalizer crossover operator a hundred times with 50 generations, the GA was able to find the optimal solution in all cases using, on average, only 22,2 iterations with a standard deviation of approximately 9,8 iterations.
These numbers show that the GA with the bit equalizer crossover operator is both robust
in finding the optimal solution and fast, although the speed of convergence is somewhat sensitive for the chosen initial population.
The following two figures further illuminate these findings.
Both the progress of the average fitness value (tracking error) of the best solution of each generation is shown and the progress of the fitness value of the best solution of each generation in a single, typical run are shown.
For certain other results found concerning the AEX-index tracking problem, we refer to [1].

ผลลัพธ์ (ไทย) 1:

ตามที่กล่าวแล้วข้างต้น ทั้ง GA จะ มีใบสองแฉกยึดไขว้ และ GA มีตัวดำเนินการบิตสองแฉกตัวปรับแต่งเสียงแบบไขว้ก็สามารถหาทางออกดีที่สุด
ในทุกกรณี เราพยายามก๊าซร้อยครั้งใช้ initializations แตกต่างกัน
กรณีใช้ GA ที่มีแบบไขว้การใบสั่งตามจุดสองรุ่น 50 (และการตั้งค่าพารามิเตอร์อื่น ๆ ตามตารางที่ 2), โซลูชั่นดีที่สุด
ไม่เสมอพบ ได้แก่เพียง 89% ของกรณี
อย่างไรก็ตาม ในกรณีที่ใช้ GA ที่มีรุ่น 100 โซลูชั่นดีที่สุดเสมอพบใน เฉลี่ย ซ้ำเกือบ 31 มีค่าเบี่ยงเบนมาตรฐานของ 15,5 ประมาณนั้น
กรณีใช้ GA กับตัว 2 จุดบิตตัวปรับแต่งเสียงแบบไขว้ปฏิบัติร้อยครั้งกับรุ่น 50, GA จะได้หาทางออกดีที่สุดในทุกกรณีใช้ เฉลี่ย ซ้ำเฉพาะ 22,2 มีค่าเบี่ยงเบนมาตรฐานของประมาณ 9,8 ซ้ำ
หมายเลขเหล่านี้แสดงว่า GA ด้วยตัวดำเนินการบิตตัวปรับแต่งเสียงแบบไขว้ทั้งสองแข็งแรง
ในการหาโซลูชันที่ดีที่สุดและรวดเร็ว แม้ว่าความเร็วของลู่เข้าจะค่อนข้างสำคัญสำหรับประชากรเริ่มต้นท่าน
ต่อไปนี้สองตัวเลขเพิ่มเติมส่องค้นพบเหล่านี้
ทั้งความคืบหน้าของการออกกำลังกายเฉลี่ยค่า (ติดตามข้อผิดพลาด) ของการแก้ปัญหาที่ดีที่สุดของแต่ละรุ่นจะแสดงความคืบหน้าของค่าฟิตเนสโซลูชั่นดีที่สุดของแต่ละรุ่นในครั้งเดียว และ เรียกโดยทั่วไปจะแสดง
สำหรับผลลัพธ์บางอย่างพบเกี่ยวกับปัญหาการติดตามดัชนี AEX เราอ้างอิง [1]

ผลลัพธ์ (ไทย) 3:

ตามที่ได้กล่าวแล้วข้างต้น ทั้ง กา กับการสั่งซื้อแบบสองใช้ครอสโอเวอร์และเกมกับบิต Equalizer ครอสโอเวอร์แบบสองผู้ประกอบการสามารถหาโซลูชั่นที่เหมาะสมที่สุด
ในทุกกรณี เราพยายามใช้แก๊ส 100 ครั้ง initializations แตกต่างกัน
ในกรณีของการใช้กา กับการสั่งซื้อแบบสองแบบที่ใช้กับ 50 รุ่น ( และการตั้งค่าพารามิเตอร์อื่น ๆตามที่ระบุไว้ในตารางที่ 2 ) ,
โซลูชั่นที่เหมาะสมไม่ได้พบเสมอ คือ เพียง 89 เปอร์เซ็นต์ของกรณี .
แต่ในกรณีของการใช้ GA 100 รุ่น ทางออกที่ดีที่สุด คือ มักจะพบ ใน เฉลี่ยเกือบ 31 ซ้ำกับส่วนเบี่ยงเบนมาตรฐานประมาณ 15,5 .
ในกรณีของการใช้เกมกับบิต Equalizer ครอสโอเวอร์แบบสองผู้ประกอบการร้อยครั้งกับ 50 รุ่น เกมสามารถหาโซลูชั่นที่เหมาะสมในการใช้โดยเฉลี่ยเพียง 22,2 ซ้ำกับส่วนเบี่ยงเบนมาตรฐานประมาณ 9,8 ซ้ำ .
ตัวเลขเหล่านี้แสดงให้เห็นว่าเกมกับบิต Equalizer ครอสโอเวอร์ผู้ประกอบการคือ ทั้งแข็งแกร่ง
ในการหาโซลูชั่นที่เหมาะสม และรวดเร็ว แม้ว่าความเร็วในการลู่เข้าของค่อนข้างละเอียดอ่อนสำหรับเลือกประชากรเริ่มต้นที่ .
ต่อไปนี้สองตัวเลขเพิ่มเติมความสว่างพบเหล่านี้
ทั้งความคืบหน้าของค่าความเหมาะสมเฉลี่ย ( ความผิดพลาด ) ของโซลูชั่นที่ดีที่สุดของแต่ละรุ่นจะแสดงและความคืบหน้าของฟิตเนสมูลค่าของโซลูชั่นที่ดีที่สุดของแต่ละรุ่นในเดี่ยวปกติวิ่งแสดงผลอื่น ๆบางอย่าง .
สำหรับพบเกี่ยวกับอุตสาหกรรมดัชนีติดตามปัญหา เราดูที่ [ 1 ]