Показать сокращенную информацию

Sopov, Evgenii A.en
Сопов, Евгений А.ru_RU
2016-05-24T04:58:16Z
2016-05-24T04:58:16Z
2016-06
https://elib.sfu-kras.ru/handle/2311/20249
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 wayen
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 режимеru_RU
enen
Сибирский федеральный университет. Siberian Federal University.en
Журнал Сибирского федерального университета. Математика и физика. Journal of Siberian Federal University. Mathematics & Physics;2016 9 (2)en
multimodal optimizationen
self-configurationen
genetic algorithmen
metaheuristicen
nichingen
мультимодальная оптимизацияru_RU
самоконфигурированиеru_RU
генетический алгоритмru_RU
метаэвристикаru_RU
метод нишru_RU
Multiple Optima Identification Using Multi-strategy Multimodal Genetic Algorithmen
Идентификация множества экстремумов с помощью гене- тического алгоритма на основе многих стратегий мульти- модального поискаru_RU
Journal Article
Published Journal Article
Sopov, Evgenii A.:Informatics and Telecommunications Institute Siberian State Aerospace University Krasnoyarsky Rabochy, 31, Krasnoyarsk, 660037 Russia; evgenysopov@gmail.comen
Сопов, Евгений А.:Институт информатики и телекоммуникаций Сибирский государственный аэрокосмический университет Красноярский рабочий, 31, Красноярск, 660037 Россияru_RU
246–257


Файлы в этом документе

Thumbnail

Данный элемент включен в следующие коллекции

Показать сокращенную информацию