Algorytmy ewolucyjne to metoda optymalizacji inspirowana procesem ewolucji biologicznej. Znajdują szerokie zastosowanie w problemach, w których tradycyjne metody analityczne czy heurystyczne zawodzą ze względu na wysoką złożoność przestrzeni poszukiwań.
W projekcie użyliśmy algorytmu ewolucyjnego do optymalizacji funkcji Rosenbrocka, Salomona i Whitleya. Posiadają one liczne minima lokalne. Pomaga to sprawdzić, czy algorytm potrafi unikać "pułapek" i znajdować rozwiązanie globalne. Eksperymenty były przeprowadzane w przestrzeni 2-wymiarowej do potwierdzenia prawidłowej implementacji funkcji testowych oraz w przestrzeniach 5-, 15- i 30-wymiarowych, analizując skuteczność algorytmu w różnych warunkach.
ECDF (Empirical Cumulative Distribution Function) to empiryczna funkcja dystrybuanty, która przedstawia rozkład danych w sposób skumulowany. Wykresy ECDF w naszym przypadku pokazują, jak wiele eksperymentów algorytmu było potrzebnych do osiągnięcia danego poziomu dokładności.
Eksperymenty pokazały, że algorytm skutecznie znajduje optymalne wartości funkcji testowych, a proces ewolucyjny pozwala na stopniowe przybliżanie się do najlepszego rozwiązania. Szczegółowe wyniki znajdują się w raportach eksperymentów.
Kod oraz wykresy zostaną opublikowane wkrótce. Potrzebne jest kilka poprawek :)