К вопросу эффективности методов и алгоритмов решения оптимизационных задач с учетом специфики целевой функции
Автор: Остроух Е.Н., Чернышев Ю.О., Евич Л.Н., Панасенко П.А.
Журнал: Вестник Донского государственного технического университета @vestnik-donstu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 1 т.19, 2019 года.
Бесплатный доступ
Введение. Статья посвящена оценке эффективности методов и алгоритмов решения оптимизационных задач с векторным критерием и системой нелинейных ограничений. Описан подход, позволяющий после проведения эквивалентных преобразований перейти к оптимизационной задаче с одной целевой функцией (т. е. к задаче безусловной оптимизации). Однако полученная таким способом целевая функция обладает свойствами (нелинейность, мультимодальность, овражность, большая размерность), не позволяющими использовать для ее решения классические методы. Цель представленного исследования - разработать для решения данной задачи гибридные методы, основанные на комбинациях алгоритмов, инспирированных живой природой, с другими подходами (гравитационным и градиентным).Материалы и методы. Созданы новые методы для решения указанной задачи. Проведен компьютерный эксперимент на ряде тестовых функций, выполнен его анализ, показывающий эффективность различных комбинаций на различных функциях.Результаты исследования...
Комбинация, гибрид, биоинспирированный алгоритм, роевой интеллект, градиентный алгоритм, гравитационный алгоритм, эффективность, сходимость
Короткий адрес: https://sciup.org/142219831
IDR: 142219831 | DOI: 10.23947/1992-5980-2019-19-1-81-85
Список литературы К вопросу эффективности методов и алгоритмов решения оптимизационных задач с учетом специфики целевой функции
- Подиновский, В. В. Парето-оптимальные решения задач/В. В. Подиновский, В. Д. Ногин. -Москва: Физматлит, 2007. -255 с.
- Карпенко, А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой/А. П. Карпенко. -Москва: Изд-во МГТУ им. Н. Э. Баумана, 2014. -446 с.
- Агибалов, О. И. Условная и безусловная оптимизация при решении биоинспирированными алгоритмами/О. И. Агибалов, А. А. Золотарев, Е. Н. Остроух//Интеллектуальные технологии и проблемы математического моделирования: мат-лы всерос. конф. -Ростов-на-Дону: Изд-во ДГТУ, 2018. -С. 21-22.
- Остроух, Е. Н. Решение задач бизнес-прогнозирования на основе рядов Фурье и алгоритма светлячков/Е. Н. Остроух, Д. Н. Климова, С. Маркин//Системный анализ, управление и обработка информации: тр. VIII междунар. семинара. -Ростов-на-Дону: Изд-во ДГТУ, 2017. -С. 153-158.
- Агибалов, О. И. Оптимизация многомерных задач на основе комбинирования детерминированных и стохастических алгоритмов/О. И. Агибалов//Современные наукоемкие технологии. -2017. -№ 9. -С. 7-11.
- Остроух, Е. Н. Разработка гибридного алгоритма решения оптимизационных задач принятия решений и управления/Е. Н. Остроух, Л. Н. Евич, П. А. Панасенко//Искусственный интеллект: проблемы и пути их решения: мат-лы конф. -Москва, 2018. -С. 165-168. -Режим доступа: https://docplayer.ru/74455293-Programma-konferencii-iskusstvennyy-intellekt-problemy-i-puti-resheniya-2018.html (дата обращения 08.02.19).
- Евич, Л. Н. Разработка гибридного алгоритма решения оптимизационной задачи с нелинейной целевой функцией/Л. Н. Евич, Е. Н. Остроух, П. А. Панасенко//Международный научно-исследовательский журнал. -2018. -№ 1 (1). -С. 61-65.
- Евич, Л. Н. Методы решения задач оптимизации с мультимодальной целевой функцией на основе гибридных алгоритмов/Л. Н. Евич, Е. Н. Остроух, П. А. Панасенко//Пром-Инжиниринг (ICIE-2018): тр. IV междунар. науч.-техн. конф. -Москва, 2018.
- Исследование комбинированного алгоритма при обучении трехслойных нейронных сетей различной топологии/Е. Н. Остроух//Программные продукты и системы. -2018. -Т. 31, № 4. -С. 673-676.
- Wolpert, D. H. The no free lunch Theorems for optimization/D. H. Wolpert, W. G. Macready//IEEE Transactions on Evolutionary Computation. -1997. -Vol. 1, № 1. -P. 67-82.
- Родзин, С. И. Алгоритмы биостохастической оптимизации: достижения, проблемы теории, трудоемкость/С. И. Родзин//IS&IT’18: тр. конгресса по интеллект. системам и информ. технологиям. -Таганрог: Изд-во Ступина С. А., 2018. -Т. 2. -С. 141-158.
- Discrete Location Prodlems. Benchmark library/Sobolev Institute of Mathematics; Russian Foundation for Basic Research. -Режим доступа: http://www.math.nsc.ru/AP/benchmarks/index.html (дата обращения: 11.05.18).
- Wall, M. GAlib: A C++ Library of Genetic Algorithm Components/M. Wall; Massachusetts Institute of Technology. -Режим доступа: http://lancet.mit.edu/ga/(дата обращения: 08.11.18).
- EALib: An Evolutionary Algorithms Library/GitHub Inc. -Режим доступа: http://github.com/dknoester/ealib/(дата обращения: 08.11.18).
- Merelo, J. J. Library for doing evolutionary computation in Perl/J. J. Merelo. -Режим доступа: http://cpeal.sourceforge.net/(дата обращения: 08.11.18).
- Dyer, D. W. Watchmaker Framework for Evolutionary Computation/D. W. Dyer. -Режим доступа: http://watchmaker.uncommons.org (дата обращения: 08.11.18).
