Оптимізація багатоексперементальних функцій за допомогою генетичного алгоритму

Автор(и)

  • І. М. Кравець Національний авіаційний університет

DOI:

https://doi.org/10.18372/2073-4751.2.7648

Анотація

Розглянуто використання генетичного алгоритму для рішення задач оптимізації багатоекстремальих функцій і функцій з нелінійною не випуклою областю обмежень. Отримані результати показали, що застосування генетичного алгоритму не може гарантувати знаходження найкращого рішення, проте, він з великою ймовірністю дає одне з оптимальних рішень. Для покращення оптимізації необхідно робити детальний аналіз операторів кросенговера та мутації для генетичного алгоритму, адже збільшення розміру популяції чи кількості поколінь не завжди дають змогу отримати бажані результати

Біографія автора

І. М. Кравець, Національний авіаційний університет

Інститут комп'ютерних технологій

Посилання

Жуков І.А., Кравець І.М. Розподілення навантаження баз даних в інформаційно-аналітичній системі // Проблеми інформатизації та управління: Зб. наук. пр. – К.: НАУ, 2007. Вип. 4(22). – С. 56–61.

Zhukov I.A., Kravets I.M. “Organization of distribution load database in the analysis and information system”, International scientific technical conference “DESSERT-2009”, Radioelectronic and computer system. Kharkiv, KhAI, 2009. – Vol. 5(39). – P. 25–30.

Zhukov I.A., Kravets I.M. “An algorithm of fragmentation optimization in distributed database”, Advanced computer systems and networks design and application: proceedings of the 4-th International conference ACSN-2009. – Lviv, 2009. – Р. 72–75.

Rosenbrock, H.H. "An Automatic Method for Finding the Greatest or Least Value of a Function.", Computer J. 3, 1960. – P. 175–184.

Darrell Whitley. “A genetic algorithm tutorial” // Statistics and Computing. – Springer Netherlands. Vol. 4(2) / June, 1994. – P. 65–85.

Sharapov R., Lapshin A. “Convergence of genetic lgorithms” // Pattern Recognition and Image Analysis. – MAIK Nauka/Interperiodica distributed exclusively by Springer Science+Business Media LLC. – Vol. 16(3) / July, 2006. – P. 392–397.

Bäck, T. “Evolutionary Algorithms in Theory and Practice” // Evolution Strategies, Evolutionary Programming, Genetic Algorithms. – New York, Oxford: Oxford University Press, 1996.

Pohlheim H. “Advanced Techniques for the Visualization of Evolutionary Algorithms”. Proceedings of 42. International Scientific Colloquium Ilmenau, 1997. – Vol. 3. – P. 60–68.

F. Herrera, M. Lozano, A.M. Sánchez. “Hybrid crossover operators for real-coded genetic algorithms: an experimental study” // Soft Computing – A Fusion of Foundations, Methodologies and Applications. – Springer Berlin / Heidelberg. – Vol. 9(4) / April, 2005. – P. 280–298.

Pohlheim H. GEATbx: Genetic and Evolutionary Algorithm Toolbox for use with Matlab. www.geatbx.com, 1994-2010.

##submission.downloads##

Опубліковано

2010-10-17

Як цитувати

Кравець, І. М. (2010). Оптимізація багатоексперементальних функцій за допомогою генетичного алгоритму. Проблеми iнформатизацiї та управлiння, 2(30), 95–99. https://doi.org/10.18372/2073-4751.2.7648

Номер

Том 2 № 30 (2010)

Розділ

Статті

Ліцензія

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.