Разработка и исследование гибридного алгоритма решения сложных задач оптимизации
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
инация.
2.Оптимальной структурой гибридного ГА при использовании концепции ЛП по Ламарку является: турнирная селекция, слабая или средняя мутация, скрещивание может быть различным.
.При решении данной задачи использование концепции по Ламарку оказалась значительно эффективней, чем по Дарвину.
.Гибридный алгоритм успешно справился с задачей оптимизации (т.к. показатели надежности равны 1 при использовании концепции по Ламарку)
.Скорость гибридного алгоритма по сравнению с обыкновенным ГА в два раза выше при оптимальных структурах (см. таблицы 2.1, 2.2 и 2.3).
.Использование заранее настроенной нейросети для аппроксимации целевых функций в ходе оптимизации не снижает показателей эффективности гибридных алгоритмов, но ускоряет оптимизацию.
Таблица 2.1. Сравнение показателей эффективности ГА и гибридного алгоритма при оптимизации коэффициента готовности КА
НадежностьСкоростьРазбросГибридный ГА14[2; 32]Обыкновенный ГА110[4; 21]
Таблица 2.2. Сравнение показателей эффективности ГА и гибридного алгоритма при оптимизации коэффициента готовности ЦА
НадежностьСкоростьРазбросГибридный ГА13[2; 11]Обыкновенный ГА17[3; 14]
Таблица 2.3. Сравнение показателей эффективности ГА и гибридного алгоритма при оптимизации коэффициента готовности БКУ
НадежностьСкоростьРазбросГибридный ГА12[2; 3]Обыкновенный ГА14[1; 7]
Вывод: использование генетического алгоритма, моделирующего эволюцию по Ламарку, предпочтительнее в силу его большей надежности и скорости сходимости (в 2 раз выше по сравнению с эволюцией по Дарвину) в точку глобального оптимума.
Заключение
При решении сложных задач оптимизации следует сначала исследовать целевые функции на наличие удобных для оптимизации свойств этих функций. Для этого предлагается использовать алгоритмы целочисленной оптимизации: обобщенные и неулучшаемые. После того как свойства изучены, следует применять для оптимизации определенный алгоритм, ориентированный на эффективную оптимизацию функции с данными свойствами.
Если функции оказываются немонотонными и многоэкстремальными, как в нашем случае, то следует использовать генетический алгоритм, моделирующий эволюцию по Ламарку, который имеет хорошую глобальную сходимость. В некоторых случаях, если известно что это оправдано с точки зрения временных затрат, удобно использовать нейронную сеть, заранее настроенную на вычисление значений целевой функции.
Список литературы
1. Воловик М.А. Коэффициент готовности прибора со встроенной системой контроля // Системный анализ и исследование операций. - Новосибирск: ВЦ АН СССР, 1977.
. Семенкина О.Э. Оптимизация управления сложными системами методом обобщенного локального поиска. - М.: МАКС Пресс, 2002. - 215 с.
3. Semenkin E., Volovik M. Modelling and Optimization of Spacecrafts' Systems Design // Operations research'95. - Berlin: Springer, 1995. - Pp. 353-358.
. Semenkina O. Adaptive Search Algorithms for Solving Mixed Optimization Problems in CAD of Spacecraft Control Systems // Operations Research'97. - Jena: TU-Jena, 1997.
. Goldberg D.E. Genetic algorithms in search, optimization and machine learning. Reading, MA: Addison-Wesley, 1989.
. Семенкин Е.С., Семенкина О.Э., Терсков В.А. Методы оптимизации в управлении сложными системами // Учебное пособие. - Красноярск: СибЮИ МВД РФ, 2000. - 254 с.
. Уоссермен Ф. Нейрокомпьютерная техника. Теория и практика. - М.: Мир, 1984.
Список публикаций автора
1.Бежитский С.С. О трудоемкости алгоритмов локального поиска для задачи выбора структуры технологического контура космического аппарата //Информатика и информационные технологии: Межвуз. сб. научн. тр./Красноярск: ИПЦ КГТУ, 2003. с.17-19.
2.Бежитский С.С. О свойствах целевой функции в задаче выбора структуры технологического контура космического аппарата // Тезисы докладов 7-й Всероссийской научной конференции Решетневские чтения. Красноярск: СибГАУ, 2003. - С. 266.
.Бежитский С.С., Семенкин Е.С., Семенкина О.Э. Разработка и исследование эволюционного алгоритма для оптимизации управления сложными системами // Вестник Кемеровского государственного университета. Журнал теоретических и прикладных исследований. Выпуск 1(17) - Кемерово: КемГУ, 2004. - с.26-33.
.Бежитский С.С. Гибридный эволюционный алгоритм для решения сложных задач оптимизации // Вестник университетского комплекса. Сборник научных трудов. Выпуск 1(15). - Красноярск: ВСФ РГУИТП, НИИ СУВПТ, 2004. - с.166- 173.
.Бежитский С.С. Разработка и исследование гибридного эволюционного алгоритма для решения сложных задач оптимизации // Сборник научных трудов. Красноярск: СИБУП, 2004.
.Бежитский С.С. О монотонности показателей эффективности технологического контура системы управления космическим аппаратом / C.С. Бежитский //Вестник Сибирского государственного аэрокосмического университета. - Выпуск 5. - Красноярск: СибГАУ, 2004. - с. 19-26.
.Бежитский С.С. Модификация генетического алгоритма для решения задачи оптимизации показателей эффективности технологического контура системы управления космическим аппаратом / С.С. Бежитский // Труды пятой международной конференции молодых ученых и студентов Актуальные проблемы современной науки. - Самара. 2004. - с.20-23.
.Бежитский С.С. Сравнение эффективности работы генетического алгоритма и алгоритма эволюционных стратегий на задачах оптимизации многоэкстремальных функций /С.С. Бежитский // Материалы международной 8-ой тамбовской межвузовской научно-практической конференции.- Тамбов: ТГУ, 2004. - с. 81-82.
Приложение А
Результаты выполнения оптимизации с помощью ГА для каждой из целевых функций
Таблица А.1. Усредненны