Личный кабинет
Подробное описание документа
Вахнин А. В.
Гибридный эволюционный алгоритм для решения задач глобальной оптимизации сверхбольшой размерности / Вахнин А. В., Сопов Е. А., Рурич М. А. - DOI 10.18698/0236-3933-2023-2-51-73 // Вестник МГТУ им. Н. Э. Баумана. Сер. Приборостроение. - 2023. - № 2. -
Скачать документ
При решении прикладных задач различных сфер человеческой деятельности возникает необходимость в поиске наилучшего набора параметров по заданному критерию. Обычно такую задачу формулируют в виде задачи параметрической оптимизации. Рассмотрены задачи оптимизации, представленные моделью типа черного ящика. С ростом размерности таких задач для многих традиционных подходов оптимизации сложно найти удовлетворительное решение даже при значительном увеличении числа вычислений целевой функции. Предложен новый гибридный эволюционный метод координации самонастраивающихся алгоритмов кооперативной коэволюции с локальным поиском COSACC-LS1 для решения задач глобальной вещественной оптимизации сверхбольшой размерности. В основе COSACC-LS1 лежит идея автоматического распределения вычислительных ресурсов между группой самонастраивающихся алгоритмов дифференциальной эволюции, основанных на кооперативной коэволюции, и алгоритмом локального поиска. Оценка эффективности предложенного алгоритма выполнена на 15 эталонных тестовых задачах из набора LSGO CEC 2013. Результаты работы алгоритма на основе COSACC-LS1 сравнивали с современными метаэвристическими алгоритмами, которые разработаны специально для решения задач оптимизации сверхбольшой размерности и являются победителями и призерами соревнований по оптимизации в рамках конференций IEEE CEC. С помощью численных экспериментов продемонстрировано, что по критерию средней точности найденного решения предложенный алгоритм лучше большинства других популярных алгоритмов Работа выполнена при поддержке Минобрнауки России (грант № 075-15-2022-1121) Просьба ссылаться на эту статью следующим образом: Вахнин А.В., Сопов Е.А., Рурич М.А. Гибридный эволюционный алгоритм для решения задач глобальной оптимизации сверхбольшой размерности. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение, 2023, № 2 (143), с. 51–73. DOI: https://doi.org/10.18698/0236-3933-2023-2-51-73
Статья опубликована в следующих изданиях
№ 2. - 2023.
