Разработка и исследование вероятностных эволюционных алгоритмов для моделирования и оптимизации сложных систем
Диссертация - Менеджмент
Другие диссертации по предмету Менеджмент
зволяет повысить эффективность исследуемой ТЭЦ в 2 раза. Практическое применение подтверждает высокую эффективность предложенного ВГА.
Заключение
В результате диссертационного исследования был проведен анализ адаптивных стохастических методов прямого поиска с цель разработки нового подхода, комбинирующего эвристические идеи интеллектуальных информационных технологий и строгий формальный аппарат современной математики для эффективного решения задач оптимизации сложных систем. Предложенный вероятностный генетический алгоритм позволяет более активно использовать накапливаемую статистику о пространстве поиска, содержит меньше настраиваемых параметров и превосходит стандартный генетический алгоритм, как по надежности, так и по трудоемкости. Численные эксперименты и практическое применение подтверждают эффективность предложенного подхода.
Предложенный метод вероятностного генетического программирования позволяет эффективно решать задачу символьной регрессии и строить адекватные математические модели сложных систем по результатам наблюдений.
Совместное использование предложенных вероятностных эволюционных алгоритмов позволяет в рамках единого подхода решать задачи моделирования и оптимизации сложных систем (моделирование путем решения задачи символьной регрессии, оптимизация - на основе полученной модели).
Список использованных источников:
1.Антамошкин А.Н. Оптимизация функционалов с булевыми переменными. - Томск: Изд-во Том. ун-та, 1987, - 104 с.
2.Бабэ Б. Просто и ясно о Borland C++. - М.: БИНОМ, 1994. - 400 с.
.Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Х.: ОСНОВА, 1997.
4.Гилл Ф., Мюррэй У. Численные методы условной оптимизации. М.: МИР, 1977.
5.Гмурман В.Е. Теория вероятностей и математическая статистика. - Учеб. пособие. М.: Высш. шк., 2000, - 479 с.
6.Гринченко С.Н. Метод проб и ошибок и поисковая оптимизация: анализ, классификация, трактовка понятия естественный отбор. Электронный журнал Исследовано в России, 2003.
7.Заенцев И.В. Нейронные сети: основные модели. - Учеб. пособие к курсу Нейронные сети, ВГУ, Воронеж, 1999.
.Карманов В.Г. Математическое программирование // БСЭ, т.15. М.: Советская энциклопедия, 1974.
9.Медведев А.В. Непараметрические системы адаптации. - Новосибирск: Наука, 1983, - 174 с.
.Оптимизация -
.Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: Учеб. 2-е изд., доп. - Томск, 1997.
.Растригин Л.А. Бинаризация задач оптимизации решений в САПР. - В кн.: Моделирование и оптимизация решений в САПР. Таллин, 1983, ч.2.
13.Растригин Л.А. Случайный поиск. М.: Знание, 1979.
14.Растригин Л.А. Статистические методы поиска. М.: Наука, 1968. 376 с.
15.Растригин Л.А., Фрейманис Э.Э. Решение задач разношкальной оптимизации методом бинаризации. - Вопросы разработки ТАСУ. Кемерово, 1984, вып. 3.
16.Рубан А.И. Методы оптимизации: Учебное пособие. Изд. 2-ое. Красноярск НИИ ИПУ, 2001. 528 с.
17.Рубан А.И. Методы анализа данных. Учеб. пособие: В 2 ч. Ч. 1; КГТУ. Красноярск, 1994, - 220 с.
18.Семенкин E.С., Семенкина О.Э., Коробейников С.П. Оптимизация технических систем. Учебное пособие. - Красноярск: СИБУП, 1996.
19.Сопов Е.А. Вероятностный генетический алгоритм и его исследование // VII Королевские чтения. Том 5. - Самара: Изд-во Самарского научного центра РАН, 2003. - С. 38-39.
20.Сопов Е.А. Применение метода генетического программирования при обработке статистических данных / Ефимов С.Н. // Компьютерное моделирование - 2004. - СПб.: Изд-во Нестор", 2004.- С. 31-34
21.Сопов Е.А. О вероятностном генетическом алгоритме // Современные техника и технологии. В 2-х т. - Томск: Изд-во Томского политехн. ун-та, 2004. - Т.2. - С. 197-199.
22.Сопов Е.А. Обработка результатов экспериментов с помощью метода генетического программирования / Ефимов С.Н., Харин М.Г. // Вестник КГТУ. Машиностроение. - Вып. 32. - Красноярск: ИПЦ КГТУ, 2003. - С. 180-188.
23.Сопов Е.А. О решении задач символьной регрессии методом генетического программирования / Ефимов С.Н. // Вестник НИИ СУВПТ. - Вып. 13. - Красноярск: НИИ СУВПТ, 2003. С. 220-229.
24.Сопов Е.А. Об эволюционных алгоритмах решения сложных задач оптимизации / Гуменникова А.В., Емельянова М.Н., Семенкин Е.С. // Вестник Сибирского государственного аэрокосмического университета имени академика М.Ф. Решетнева. - Вып. 4. - Красноярск: СибГАУ, 2003. С. 14-23.
25.Сопов Е.А. Вероятностный генетический алгоритм с прогнозированием сходимости // Вестник университетского комплекса. - Красноярск: ВСФ РГУИТП, НИИ СУВПТ, 2004. - Вып 1 (15). - С. 219-227.
26.Сопов Е.А. Вероятностный генетический алгоритм решения сложных задач оптимизации и его исследование // Молодежь Сибири - науке России. - Красноярск: СИБУП, 2004. - С. 26-29.
27.Сопов Е.А. Приложение для решения задачи символьной регрессии с помощью метода генетического программирования // М.: ВНТИЦ, 2004, - № гос. рег. 50200400500 - 4 с.
28.Сопов Е.А. Вероятностный генетический алгоритм решения сложных задач оптимизации // М.: ВНТИЦ, 2004, - № гос. рег. 50200400501 - 3 с.
29.Сопов Е.А. Применение метода генетического программирования для задач символьной регрессии при обработке результатов экспериментов / Ефимов С.Н. // Информационные технологии в проектировании и производстве, №2, 2004. - 42-46 с.
30.Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. - М.: Мир, 1992.
.Хаймен М. Borland C++ для чайников. - К.: Диалектика, 1995. - 416 с .
.Харт-Дэвис Г. Microsoft Windows XP Professional. Полное руководство. - СП ЭКОМ, 2003. - 816 с.
.Шамис В.А. C++ Builder