logo
calendar13 Noyabr 2019
view38
Основной язык:Русский

Анализ особенностей генетических алгоритмов

Область науки:
pdf

5dcbe4f2eb05d.pdf

PDF

Hisoblash va amaliy matematika muammolari

Hisoblash va amaliy matematika muammolari

Опубликовать статьюsee more

АННОТАЦИЯ СТАТЬИ

quote
В настоящее время не существует универсального метода оптимизации, который позволил бы решить любую задачу и при этом однозначно был бы лучшим среди других методов по точности решения. В отличие от традиционных методов многопараметрической оптимизации, многие из которых часто характеризуются резким ростом вычислительных затрат при увеличении числа варьируемых параметров, генетические алгоритмы хорошо зарекомендовали себя на задачах большой размерности. В статье исследуются отличительные особенности генетических алгоритмов и обсуждается проблема современных методов оптимизации. Показано, что оптимизация методами имитационного моделирования позволяет достигать существенно лучших показателей, чем аналитические методы. Приведено описание модифицированной версии генетического алгоритма для решения задач многоэкстремальной оптимизации. Алгоритм испытан на тестовых задачах. Предлагаемый алгоритм найдет применение у исследователей в решении прикладных многоэкстремальных задач, в которых вычисление функции цели требует больших вычислительных ресурсов.

АВТОРЫ

D.Muxamedieva

Toshkent axborot texnologiyalari universiteti

Теги

# оператор# мутация# mutation# селекция# генетический алгоритм# скрещивание# многоэкстремальная оптимизация# genetic algorithm# operator selection# crossover# multiextremal optimization# gеnеtik algoritm# opеrator# sеlеksiya# chatishtirish# mutatsiya# ko’p ekstrеmal optimizatsiya

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

ROI:

https://eroi.uz/11.0007/A1119-0012

DOI:

Недоступно

Список литературы

Загоруйко Н.Г. Самообучающийся генетический алгоритм для прогнозирования // Искусственный интеллект и экспертные системы. – 1997. – Вып. 160. – С. 80-95.

Louis S.J., Xu Z. Genetic Algorithms for Open Shop Scheduling and ReScheduling // ISC A 11th International Conference on Computers and their Applications. –1996. – Pр. 99-102.

Davidor Y.A. Genetic Algorithm Applied to Robot Trajectory Generation // Handbook of genetic algorithms. – New York, 1991. – Pр. 144-165.

Zalzala A.M.S., Fleming P.S. Genetic Algorithms: Principles and Applications in Engineering Systems // Neural Network. – 1996. – Vol. 6, № 5. – Pр. 803-820.

Ono O., Kobayashi В., Kato H. Optimal Dynamic Motion Planning of Autonomous Vehicles by a Structured Genetic Algorithm // Proc. of the 13th World Congress of IFAC. – San-Francisco, 1996. – Vol. Q. – Pр. 435-440.

Forrest S., Mayer-Kress G. Genetic Algorithms, Nonlinear Dynamical Systems and Models of International Security // Parallel Problem Solving from Nature 4. – 1996.

Cobb H.G. An Investigation into the Use of Hypermutation as an Adaptive Operator in the Genetic Algorithm Having Continuous Time-Dependent Nonsationary Environments. Naval Research Laboratory Memorandum Report 6760. – 1990.

Vavak F., Fogarty T.C., Jukes K. A Genetic Algorithm with Variable Range of Local Search for Tracking Changing Environments // Parallel Problem Solving from Nature 4. – 1996.

Ярушкина Н.Г. Основы теории нечетких и гибридных систем. Учебное пособие. – М.: Финансы и статистика, 2004.

Zadeh L.A. Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic // Fuzzy sets and systems. – Vol.90. – 1997. - № 2.

Fanabashi M., Maeda A., Morooka Y., Mori K. Fuzzy and Neural Hybrid Systems: Synergetic AI // IEEE Expert. 1995 August. – Рp. 32-40.

Кушербаева В.Т. Некоторые тестовые функции для глобальной оптимизации. – СПб.: СПбГУ, 2007.

Herrera F., Lozano M. Adaptation of genetic algorithm parameters based on fuzzy logic controllers. In: F. Herrera, J. L. Verdegay (eds.) Genetic Algorithms and Soft Computing, Physica-Verlag, Heidelberg, 1996. – Рp. 95-124.

Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. – М.: Физматлит, 2003.

Голубин А.В., Тарасов В.Б. Нечеткие генетические алгоритмы // Международные научно-технические конференции AIS’05 и CAD-2005. Труды конференций. – М.: Физматлит, 2005. – С. 39-45.

Kalyanmoy D., Dhiraj J., Ashish A. Real-Coded Evolutionary Algorithms with Parent-Centric Recombination. Indian Institute of Technology, Kanpur. KanGAL Report No 2001003.

Lozano M., Herrera F., Krasnogor N., Molina D. Real-Coded Memetic Algorithms with Crossover Hill-Climbing. Evolutionary Computation 12(3), 2004. – Рp. 273-302.

Herrera F., Lozano M., Sanchez A.M. A Taxonomy for the Crossover Operator for Real-Coded Genetic Algorithms: An Experimental Study // International Journal of Intelligent Systems, vol. 18, 2003. – Рp. 309-338.

Herrera F., Lozano M. Fuzzy Adaptive Genetic Algorithms: design, taxonomy, and future directions // Soft Computing 7(2003), Springer-Verlag, 2003. – Рp. 545-562.

Galantucci L.M., Percoco G., Spina R. Assembly and Disassembly Planning by using Fuzzy Logic & Genetic Algorithms. // International Journal of Advanced Robotic Systems, Vol. 1, № 2, 2004. – Рp. 67-74.

Holland J.H. Adaptation in Natural and Artificial Systems // Univ.of Michigan Press, Ann Arbor. 1975.

Ramsey C.L., Grefenstette J.J. Case-based Initialization of Genetic Algorithms // 5th Int. Conf. on Genetic Algorithm. - 1993. – Pр. 84-91

Szpiro G.G. Forecasting Chaotic Time Series with Genetic Algorithms // Physical Review E. 1997. - V.55, N3. - Pр. 2557-2568.

Alvarez A. Forecasting the SST Space-Time Variability of the Alboran Sea with Genetic Algorithms // Geophysical Research Letters. - 2000.

Рутковская Д., Пилинский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия - Телеком, 2004. – 452 с.

Gen M., Cheng R. Genetic algoritms and engineering design. – John Wiley&Sons, 1997. – 352 p.