Анализ эффективности биоинспирированных методов глобальной оптимизации

Математика. Физика. Механика


Авторы

Орловская Н. М.

Московский авиационный институт (национальный исследовательский университет), Волоколамское шоссе, 4, Москва, A-80, ГСП-3, 125993, Россия

e-mail: orlovskaya.nataly@yandex.ru

Аннотация

Рассмотрены биоинспирированные методы глобальной оптимизации: методы, имитирующие поведение лягушек, кукушек, светлячков, и метод, имитирующий распространение сорняков. Основная особенность всех четырех методов состоит в возможности поиска глобального экстремума многоэкстремальных целевых функций с большим числом переменных. Целью работы является анализ эффективности методов, который был проведен путем применения их для поиска глобального условного максимума нескольких типовых функций. Для каждого метода разработан пошаговый алгоритм решения поставленной задачи оптимизации, а также создано программное обеспечение.

Ключевые слова:

оптимизация, глобальный экстремум, популяция, приспособленность, целевая функция, биоинспирированные методы

Библиографический список

  1. Eusuff, M.M., Lansey, K.E. Optimization of water distribution network design using the shuffled frog leaping algorithm // Journal of Water Resources Planning and Management, 2003, no. 3, pp. 210-225.
  2. Elbeltagi, E., Hegazy, T., Grierson, D. Comparison among five evolutionary-based optimization algorithms // J. Advanced Engineering Informatics, 2005, no. 19, pp. 43–53.
  3. Elbeltagi, E., Hegazy, T., Grierson, D. A modified shuffled frog-leaping optimization algorithm: applications to project management // Structure and Infrastructure Engineering, 2007, no 1, pp. 53–60.
  4. Yang X.-S., Deb S. Cuckoo search via Levy flights // Proceedings of world congress on Nature & Biologically Inspired computing, 2009, pp. 210–214.
  5. Yang X. S., Deb S. Engineering Optimization by Cuckoo Search // Int. J. Mathematical Modelling and Numerical Optimization, 2010, vol.1, no 4, pp. 330–340.
  6. Valian E., Mohanna H., Tavakoli S. Improved Cuckoo search Algorithm for global optimization // International Journal of Communications and Information Technology, 2011, vol. 1, no. 1, pp. 31— 44.
  7. Richard Inglis, Chris Taylor Numerical approximation of Levy Flight // Mathematics, http://math.stackexchange.com/questions/52869/numerical-approximation-of-levy-flight, 2011.
  8. Andrew M. Edwards Using likelihood to test for Lévy flight search patterns and for general power-law distributions in nature // Journal of Animal Ecology, 2008, no. 77,pp. 1212 — 1222.
  9. David W. Sims, Emily J. Southall, Nicolas E. Humphries Scaling laws of marine predator search behavior // NATURE, 28 February 2008, no. 451, pp. 1098–1102.
  10. Mehrabian A. R., Lucas C. A novel numerical optimization algorithm inspired from weed colonization // Ecological Informatics, 2006, no. 1, pp. 355–366.
  11. X.S. Yang Firefly algorithms for multimodal optimization // Stochastic Algorithms: Foundations and Applications, SAGA 2009, Lecture Notes in Computer Sciences. 2009, vol. 5792, pp. 169-178.
  12. Гладков В.А., Курейчик В.В. Биоинспирированные методы в оптимизации.- М.: Физматлит, 2006. — 384 с.
  13. Пантелеев А.В., Метлицкая Д.В., Алешина Е.А. Методы глобальной оптимизации. Метаэвристические стратегии и алгоритмы .— М.: Изд-во Вузовская книга, 2013. — 248 с.
  14. Пантелеев А.В. Применение эволюционных методов глобальной оптимизации в задачах оптимального управления детерминированными системами.— М.: Изд-во МАИ, 2013. — 160 с.

Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2021

Вход