Preview

Вестник Донского государственного технического университета

Расширенный поиск

К вопросу эффективности методов и алгоритмов решения оптимизационных задач с учетом специфики целевой функции

https://doi.org/10.23947/1992-5980-2019-19-1-81-85

Полный текст:

Аннотация

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. Оценена эффективность гибридных алгоритмов, которые комбинируют следующие подходы: генетический с иммунным; методы роевого интеллекта с генетическими и иммунными; иммунные и роевые с гравитационным и градиентным.

Обсуждение и заключение. Изучены возможности гибридных алгоритмов в оптимизационных задачах. В частности, на их основе могут приниматься решения при управлении сложными объектами в военной и промышленной сферах, при создании инновационных проектов, связанных с цифровой экономикой. Установлено, что вид целевой функции влияет на результат гораздо более существенно, чем комбинация алгоритмов.

Об авторах

Е. Н. Остроух
Донской государственный технический университет, г. Ростов-на-Дону
Россия

Остроух Евгений Николаевич, доцент кафедры «Информационные технологии», кандидат технических наук, доцент,

344000, г. Ростов-на-Дону, пл. Гагарина, 1





Ю. О. Чернышев
Донской государственный технический университет, г. Ростов-на-Дону
Россия

Чернышев Юрий Олегович, профессор кафедры «Автоматизация производственных процессов», доктор технических наук, профессор,

344000, г. Ростовна-Дону, пл. Гагарина, 1



Л. Н. Евич
Донской государственный технический университет, г. Ростов-на-Дону
Россия

Евич Людмила Николаевна, доцент кафедры «Массовые коммуникации и мультимедийные технологии», кандидат физико-математических наук, доцент,

344000, г. Ростов-на-Дону, пл. Гагарина, 1





П. А. Панасенко
Краснодарское высшее военное училище имени генерала армии С. М. Штеменко, г. Краснодар
Россия

Панасенко Павел Александрович, старший помощник начальника отдела организации научной работы и подготовки научнопедагогических кадров, кандидат технических наук,

350063, г. Краснодар, ул. Красина, 4




Список литературы

1. Подиновский, В. В. Парето-оптимальные решения задач / В. В. Подиновский, В. Д. Ногин. - Москва : Физматлит, 2007. - 255 с.

2. Карпенко, А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой / А. П. Карпенко. - Москва : Изд-во МГТУ им. Н. Э. Баумана, 2014. - 446 с.

3. 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.

4. 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.

5. Агибалов, О. И. Оптимизация многомерных задач на основе комбинирования детерминированных и стохастических алгоритмов / О. И. Агибалов // Современные наукоемкие технологии. - 2017. - № 9. - С. 7– 11.

6. Остроух, Е. Н. Разработка гибридного алгоритма решения оптимизационных задач принятия решений и управления [Электронный ресурс] / 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).

7. 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.

8. 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.

9. Исследование комбинированного алгоритма при обучении трехслойных нейронных сетей различной топологии / Е. Н. Остроух [и др.] // Программные продукты и системы. — 2018. — Т. 31, № 4. — С. 673–676.

10. 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.

11. 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.

12. Discrete Location Prodlems. Benchmark library [Электронный ресурс] / 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).

13. Wall, M. GAlib: A C++ Library of Genetic Algorithm Components [Электронный ресурс] / M. Wall ; Massachusetts Institute of Technology. — Режим доступа: http://lancet.mit.edu/ga/ (дата обращения: 08.11.18).

14. EALib: An Evolutionary Algorithms Library [Электронный ресурс] / GitHub Inc. — Режим доступа: http://github.com/dknoester/ealib/ (дата обращения: 08.11.18).

15. Merelo, J. J. Library for doing evolutionary computation in Perl [Электронный ресурс] / J. J. Merelo. — Режим доступа: http://cpeal.sourceforge.net/ (дата обращения: 08.11.18).

16. Dyer, D. W. Watchmaker Framework for Evolutionary Computation [Электронный ресурс] / D. W. Dyer. — Режим доступа: http://watchmaker.uncommons.org (дата обращения: 08.11.18).


Для цитирования:


Остроух Е.Н., Чернышев Ю.О., Евич Л.Н., Панасенко П.А. К вопросу эффективности методов и алгоритмов решения оптимизационных задач с учетом специфики целевой функции. Вестник Донского государственного технического университета. 2019;19(1):81-85. https://doi.org/10.23947/1992-5980-2019-19-1-81-85

For citation:


Ostroukh E.N., Chernyshev Y.O., Evich L.N., Panasenko P.A. On efficiency of methods and algorithms for solving optimization problems considering objective function specifics. Vestnik of Don State Technical University. 2019;19(1):81-85. (In Russ.) https://doi.org/10.23947/1992-5980-2019-19-1-81-85

Просмотров: 114


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1992-5980 (Print)
ISSN 1992-6006 (Online)