Показать сокращенную информацию
Multiple Optima Identification Using Multi-strategy Multimodal Genetic Algorithm
Автор | Sopov, Evgenii A. | en |
Автор | Сопов, Евгений А. | ru_RU |
Дата внесения | 2016-05-24T04:58:16Z | |
Дата, когда ресурс стал доступен | 2016-05-24T04:58:16Z | |
Дата публикации | 2016-06 | |
URI (для ссылок/цитирований) | https://elib.sfu-kras.ru/handle/2311/20249 | |
Аннотация | Multimodal optimization (MMO) is the problem of finding many or all global and local optima. In this study, a novel approach based on a metaheuristic for designing multi-strategy genetic algorithm is proposed. The approach controls the interactions of many search techniques (different genetic algorithms for MMO) and leads to the self-configuring solving of problems with a priori unknown structure. The results of numerical experiments for classical benchmark problems and benchmark problems from the IEEE CEC competition on MMO are presented. The proposed approach has demonstrated efficiency better than standard niching techniques and comparable to advanced algorithms. The main feature of the approach is that it does not require the participation of the human-expert, because it operates in an automated, self-configuring way | en |
Аннотация | Задача мультимодальной оптимизации заключается в нахождении множества всех глобаль- ных и локальных оптимумов или аппроксимации этого множества. В данной работе предложен новый подход, основанный на метаэвристике для построения генетического алгоритма, включа- ющего многие стратегии поиска. Предложенный подход позволяет управлять взаимодействием нескольких поисковых алгоритмов (разных генетических алгоритмов для мультимодальной оп- тимизации) и обеспечивает самоконфигурируемое решение задачи с априори неизвестной струк- турой. В статье представлены результаты численных экспериментов и сравнение с другими известными подходами на множестве традиционных тестовых задач мультимодальной опти- мизации и задачах, предложенных на конкурсе по мультимодальной оптимизации в рамках кон- ференции IEEE CEC. Предложенный подход демонстрирует лучшую эффективность, чем стан- дартные подходы, основанные на идее ниш, и сравнимую с современными усовершенствованными алгоритмами. Особенностью и преимуществом предложенного подхода является то, что он не требует привлечения дополнительных экспертных знаний, так как работает в автоматизиро- ванном, самоконфигурируемом режиме | ru_RU |
Язык | en | en |
Издатель | Сибирский федеральный университет. Siberian Federal University. | en |
Является частью серии | Журнал Сибирского федерального университета. Математика и физика. Journal of Siberian Federal University. Mathematics & Physics;2016 9 (2) | en |
Тема | multimodal optimization | en |
Тема | self-configuration | en |
Тема | genetic algorithm | en |
Тема | metaheuristic | en |
Тема | niching | en |
Тема | мультимодальная оптимизация | ru_RU |
Тема | самоконфигурирование | ru_RU |
Тема | генетический алгоритм | ru_RU |
Тема | метаэвристика | ru_RU |
Тема | метод ниш | ru_RU |
Название | Multiple Optima Identification Using Multi-strategy Multimodal Genetic Algorithm | en |
Альтернативное название | Идентификация множества экстремумов с помощью гене- тического алгоритма на основе многих стратегий мульти- модального поиска | ru_RU |
Тип | Journal Article | |
Тип | Published Journal Article | |
Контакты автора | Sopov, Evgenii A.:Informatics and Telecommunications Institute Siberian State Aerospace University Krasnoyarsky Rabochy, 31, Krasnoyarsk, 660037 Russia; evgenysopov@gmail.com | en |
Контакты автора | Сопов, Евгений А.:Институт информатики и телекоммуникаций Сибирский государственный аэрокосмический университет Красноярский рабочий, 31, Красноярск, 660037 Россия | ru_RU |
Страницы | 246–257 |