Разработка и исследование вероятностных эволюционных алгоритмов для моделирования и оптимизации сложных систем
Диссертация - Менеджмент
Другие диссертации по предмету Менеджмент
3. Техника визуального программирования. - М.: Нолидж, 1998. - 512 с.
34.Antamoshkin A., Schwefel H.-P., Torn A., Yin G., Zilinskas A. System Analysis, Design and Optimization. An Introduction. - Krasnoyarsk, 1993. - 203 p.
35.Baluja S. The Equilibrium Genetic Algorithm and the Role of Crossover. 1993.
36.Baluja S., Caruana R. Removing the Genetic from the Standard Genetic Algorithm. - In Proc. Of the Twelfth International Conference on Machine Learning, 1995.
.Banzhaf W., Francone F. D., Nordin P. The Effect of Extensive Use of the Mutation Operator on Generalization in Genetic Programming. - Sys. report. Department of Computer Science, University of Dortmund, Germany, 1995.
.Banzhaf W., Francone F. D., Nordin P. Explicitly Defined Introns and Destructive Crossover in Genetic Programming. - Sys. report. Department Of Computer Science, University of Dortmund, Germany, 1995.
39.Caruana R., Schaffer J., Representation and Hidden Bias: Gray vs. Binary Coding for Genetic Algorithms. - Proc. 5th International Conference of Machine Learning, 1988.
40.Cramer N. L. A representation for the adaptive generation of simple sequential programs. - Proceedings of an International Conference on Genetic Algorithms and Their Applications. Hillsdale, NJ: Lawrence Erlbaum Associates, 1985.
.De Jong K.A., Spears W.M. An Analysis of the Interacting Role of Population Size and Crossover in Genetic Algorithms.
.Ferguson A., Ugursal I. A Fuel Cell Model for Building Cogeneration Applications.- Tech. Report, Canadian Resedential Energy End-use Data and Analysis Center.
.Goldberg D. E. Genetic algorithms in search, optimization, and machine learning. Reading, MA: Addison-Wesley, 1989.
.Handbook of Fuel Cells - Fundamentals, Technology and Applications. Edited by Vielstich W., Gasteiger H.A., Lamm A. - John Wiley & Sons, Ltd, 2003.
.Holland J. H. Adaptation in natural and artificial systems. - Ann Arbor. MI: University of Michigan Press, 1975.
.
.Jahn H.J., Schroer W. Mathematical Model of a Residential Fuel Cell Power Plant and its Application to Startup Optimization. - to be appeared in Fuel Cells - From Fundamentals to System.
.Koza John R. Genetic programming tutorial. URL:
49.Koza John R. Hierarchical genetic algorithms operating on populations of computer programs. - Proceedings of the 11th International Joint Conference on Artificial Intelligence. San Mateo: Morgan Kaufman, 1989.
50.Koza John R. Genetic Programming: On Programming Computer by Means of Natural Selection and Genetics. - Cambridge, MA: The MIT Press, 1992.
.Koza John R. The Genetic Programming Paradigm: Genetically Breeding Populations of Computer Programs to Solve Problems. - Cambridge, MA: MIT Press, 1992.
52.Larmine J., Dicks A. Fuel Cell Systems Explained, Second Edition. - John Wiley & Sons, Ltd, 2003.
53.Muhlenbein H., Voigt H.-M. Gene Pool Recombination in Genetic Algorithms. In Proc. Of the Metaheuristics Inter. Conf., 1995.
.Rana S.B., Whitley L.D., Bit representations with a twist. - Proc. 7th International Conference of Genetic Algorithms, 1997.
.Ruderich R., Fuel Cell Principles. Lecture notes. University of Applied Sciences, Ulm, Germany. 2003.
.Sopov E.A. Probabilistic genetic programming design // Actual problems of informatics and intelligent techniques. - Tambov, 2004. - P. 98 - 99.
.Spears W.M. The Role of Mutation and Recombination in Evolutionary Algorithms. - PhD dissertation, George Mason University, Virginia, USA, 1998. - 240 p.
.Spears W.M. Adapting Crossover in Evolutionary Algorithms.
.Whitley L.D. A Free Lunch Proof for Gray versus Binary Encoding. Proc. Genetic and Evolutionary Computation Conference, 1999.
.Whitley D. Building Better Test Functions. Proceedings of the Sixth International Conference on Genetic Algorithms, 1995.
61.Whitley D. Modeling Hybrid Genetic Algorithms.
62.Whitley D. A Review of Models for Simple Genetic Algorithms and Cellular Genetic Algorithms.
Приложение 1
Тестовые многоэкстремальные функции непрерывных переменных
А - Простейшие степенные функции:
Функции одноэкстремальные с минимумом в точке . Если , то в точке минимума по j-ой координате функция не дифференцируема; точка является угловой.
А - Многоэкстремальные степенные функции:
- положение минимума i, - степень гладкости в окрестности минимума, - быстрота нарастания функции вдоль соответствующих координат при отклонении от минимума. Параметры каждого минимума можно менять независимо от параметров других минимумов.
Б - Простые гармонические (многоэкстремальные) функции:
Минимум функций равен нулю в начале координат. Функции имеют симметрию относительно точки . Каждая функция может принимать значения z, либо 1.
В - Гармонические много экстремальные функции:
Глобальный минимум - в точке .
Г1 - Простейшая гиперболическая потенциальная функция:
Минимумы в точках , глубина минимума определяется коэффициентом .
Г2 - Простейшая экспоненциальная потенциальная функция:
Минимумы в точках , глубина минимума определяется коэффициентом . Чем больше величина , тем уже область минимума (круче функция).
Д - Другие комбинированные функции:
Приложение 2
Набор тестовых задач
Функция 1.
,
Функция 2.
,
Функция 3. Функция Растригина.
,
Функция 4. Функция Растригина овражная с поворотом осей.
,
где , , - растяжение/сжатие по ,
- угол поворота
,
Функция 5. Функция Розенброка.
,
Функция 6. Функция Griewank.
,
Функция 7. Функция De Jong 2.
,
Функция 8. Функция Сомбреро.
,
Функция 9. Функция Катникова.
,
Функция 10. Функция Катникова
,
Функция 11.
,
Функция 12.
,
Функция 13. Мультипликативная потенциальная функция
,
,
Функция 14. Аддитивная потенциальная функция
,
,
Функция 15. "Лисьи норы" Шекеля.
,
K=500, cj = j, , .