Алгоритмическое и программное обеспечение меметического алгоритма поиска условного глобального экстремума

Математика. Физика. Механика


Авторы

Письменная В. А.

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

e-mail: wildangel9@yandex.ru

Аннотация

В работе предложен меметический алгоритм поиска условного глобального экстремума функций, основанный на концепции мема, которым является одно из перспективных решений, полученных в ходе реализации процедуры поиска экстремума. На основе предложенного алгоритма сформирован комплекс программных средств на языке C#. Его эффективность продемонстрирована на широко распространённых тестовых задачах поиска глобального условного экстремума функций многих переменных. Кроме того, описано применение данного алгоритма для решения задачи об ориентации космического аппарата.

Ключевые слова

условный глобальный экстремум, мем, меметический алгоритм, оптимизация, гибридный алгоритм, метод имитации отжига, метод муравьиных колоний, оптимальное управление, ориентация космического аппарата

Библиографический список

  1. Попов В.И. Системы ориентации и стабилизации космических аппаратов — М.: Машиностроение, 1986. — 184 с.
  2. Раушенбах Б.В., Токарь Е.Н. Управление ориентацией космических аппаратов — М.: Наука, 1974. — 600 с.
  3. Крылов И.А. Численное решение задачи об оптимальной стабилизации спутника // Журнал вычислительной математики и математической физики: 1968. Т.8, № 1, С.203-208.
  4. Dawkins R. Universal Darwinism in D.S. Bendall (ed.), Evolution: From Molecules to Men, Cambridge University Press, Cambridge, 1983, P. 403-425.
  5. Dawkins R. The Selfish Gene. Oxford University Press, 1976, 192 p.
  6. Moscato P. On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms // Caltech Concurrent Computation Program (report 826), 1989.
  7. Krasnogor N. Coevolution of genes and memes in memetic algorithms. Graduate Student Workshop. 371 p.
  8. Kendall G., Soubeiga E., Cowling P. Choice function and random hyperheuristics // 4th Asia-Pacific Conference on Simulated Evolution and Learning, SEAL 2002, P. 667–671.
  9. Ong Y.S., Keane A.J. Meta-Lamarckian learning in memetic algorithms // IEEE Transactions on Evolutionary Computation. V.8 (2), 2004. P. 99–110.
  10. Ong Y.S., Lim M.H., Zhu N., Wong K.W. Classification of Adaptive Memetic Algorithms: A Comparative Study // IEEE Transactions on Systems Man and Cybernetics, Part B. 36 (1): 141.
  11. Smith J.E. Coevolving Memetic Algorithms: A Review and Progress Report // IEEE Transactions on Systems Man and Cybernetics — Part B 37 (1), 2007. P. 6-17.
  12. Krasnogor N., Gustafson S. Toward truly «memetic» memetic algorithms: discussion and proof of concepts, Advances in Nature-Inspired Computation: the PPSN VII Workshops. PEDAL (Parallel Emergent and Distributed Architectures Lab), University of Reading, 2002.
  13. Ichimura T., Kuriyama Y. Learning of neural networks with parallel hybrid GA using a royal road function // IEEE International Joint Conference on Neural Networks. 2. New York, NY, 1998. pp 1131–1136.
  14. Aguilar J., Colmenares A. Resolution of pattern recognition problems using a hybrid genetic/random neural network learning algorithm// Pattern Analysis and Applications. V. 1 (1), 1998. pp. 52-61.
  15. Wehrens R., Lucasius C., Buydens L., Kateman G. HIPS, A hybrid self-adapting expert system for nuclear magnetic resonance spectrum interpretation using genetic algorithms// Analytica Chimica ACTA. V. 277 (2), 1993. pp. 313-324.
  16. Dorigo M., Socha K. Ant colony optimization for continuous domains // European Journal of Operational Research. V. 185, 2008. pp. 1155-1173.
  17. Пантелеев А.В. Метаэвристические алгоритмы поиска глобального экстремума. — М.: Изд-во МАИ-ПРИНТ, 2009. — 129 c.
  18. Пантелеев А.В., Алешина Е.А. Применение непрерывной модификации метода муравьиных колоний к задаче поиска оптимального управления дискретными детерминированными системами // Научный вестник МГТУ ГА. 2013. Вып. 194(8). С. 47- 54.
  19. Пантелеев А.В., Дмитраков И.Ф. Анализ сравнительной эффективности метода имитации отжига для поиска глобального экстремума функций многих переменных // Научный Вестник МГТУ ГА.2009. Вып. 145(8). C. 26-31.
  20. Пантелеев А.В., Письменная В.А. Применение меметического алгоритма в задаче поиска оптимального программного управления нелинейными непрерывными детерминированными системами // Авиакосмическое приборостроение — М.: 2014. № 3. С. 26-34.

Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2021

Вход