Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Галушин, Павел Викторович
05.13.01
Кандидатская
2012
Красноярск
118 с. : ил.
Стоимость:
499 руб.
Содержание
Содержание
Введение
1 Асимптотический вероятностный генетический алгоритм псевдо-булевой оптимизации
1.1 Обзор существующих методов глобальной оптимизации
1.2 Асимптотическая мутация
1.3 Асимптотическая селекция
Выводы и результаты
2 Обобщения асимптотического вероятностного генетического алгоритма
2.1 Асимптотическая турнирная селекция
2.2 АВГА и ВГА для оптимизации функций целочисленных
(не бинарных) переменных
2.3 Учёт взаимосвязей между переменными в АВГА
Выводы и результаты
3 Программная реализация предложенных методов
3.1 Программная система «Асимптотический вероятностный генетический алгоритм»
3.2 Программная система «Глобальная оптимизация локальными и эволюционными многоагентными стохастическими алгоритмами (GOLEM-SA)»
3.3 Тестирование алгоритмов, не учитывающих взаимосвязи переменных
3.4 Тестирование алгоритмов, учитывающих взаимосвязи
переменных
Выводы и результаты
4 Эвристические алгоритмы динамического составления
расписаний
4.1 Динамическое составление расписаний
4.2 Применение рыночного алгоритма для управления цехом окраски грузовиков
4.3 Применение рыночного алгоритма для управления СКШ-системой
Выводы
Заключение
Список литературы
Список публикаций автора
Введение
Актуальность. Задачи оптимизации постоянно возникают в деятельности человека, в частности, при проектировании технических и социально-экономических систем: если существует возможность выбора параметров такой системы, то их следует выбрать оптимальным с точки зрения цели функционирования системы образом. Классические методы оптимизации накладывают существенные ограничения на целевую функцию задачи оптимизации: выпуклость, аналитическое задание функции и возможность вычисления вектора градиента в любой допустимой точке.
Однако многие возникающие задачи оптимизации не укладываются в эти рамки. Развитие техники и производства привело к появлению задач оптимизации, характеризующихся такими свойствами как алгоритмическое задание целевой функции, наличие большого количества локальных экстремумов, большая размерность и различный характер параметров (задача может одновременно иметь двоичные, целочисленные и вещественные параметры).
Важным классом методов оптимизации, способных решать такие задачи оптимизации являются эволюционные алгоритмы и, в частности, генетические алгоритмы (ГА), основанные на имитации эволюционных процессов, происходящих в природе.
Дальнейшим развитием данного направления стали алгоритмы оптимизации с оценкой распределения и вероятностный генетический алгоритм (ВГА), основная идея которых заключается в интерпретации эволюционных процессов, лежащих в основе ГА, с точки зрения теории вероятностей и математической статистики. В методах этого класса вместо генетического оператора скрещивания используется процедура оценки распределения вероятностей значений переменных и последующее порождение решений с заданным распределением.
Следствие.
lim D2n = 0.
N—¥ OO ’
Оценим теперь величину <Д]у(ж) в общем случае, то есть при I > 2.
Теорема 2.2. Пусть уДг) = г* (1 — г), тогда при х > t имеет место неравенство
(2.з)
Доказательство. При х € [£; Дг] имеет место следующее равенство:
<к,ы(х)
ж* ж-№~№
Покажем, что в данном выражении модуль можно опустить. Действительно, рассмотрим разность
х х — k x(N — к) — N(x — к) k(N — х)
— — L___i
N N-k N(N — к) N(N~k)-’ ~ ~
Из этого неравенства следует
%>j,0
N N — к ' N N-к) N N — к
Перемножая неравенства (2.4) для к — 0, ..t — 1, получим
Название работы | Автор | Дата защиты |
---|---|---|
Анализ эволюционного развития сложного технического объекта методом идентификации его параметров : На примере баллистических ракет с ЖРД | Ардышева, Елена Валерьевна | 2004 |
Моделирование и управление интенсивностью ввода скважин и отборами жидкости при разработке нефтяных месторождений | Сорокина, Марина Рашитовна | 2001 |
Синтез нейросетевой системы классификации динамических объектов | Бобин, Александр Валерианович | 2011 |