Современные алгоритмы поисковой оптимизации, алгоритмы, вдохновленные природой, Карпенко А.П., 2014
К сожалению, на данный момент у нас невозможно бесплатно скачать полный вариант книги.
Но вы можете попробовать скачать полный вариант, купив у наших партнеров электронную книгу здесь, если она у них есть наличии в данный момент.
Также можно купить бумажную версию книги здесь.
Современные алгоритмы поисковой оптимизации, алгоритмы, вдохновленные природой, Карпенко А.П., 2014.
Учебное пособие посвящено, преимущественно, рассмотрению современных стохастических популяционных алгоритмов решения однокритери-альной задачи оптимизации. Рассмотрены методы повышения эффективности этих алгоритмов путем их гибридизации и метаоптимизации. Наряду с одно-критериальной рассматривается задача многокритериальной оптимизации и популяционные алгоритмы ее решения. Представлены методы распараллеливания указанных алгоритмов. Содержит большое число примеров решения тестовых и практически значимых задач оптимизации. Для студентов высших учебных заведений, обучающихся по направлению 230100 «Информатика и вычислительная техника». Может быть полезно для всех студентов, изучающих курс «Методы оптимизации» и близкие по тематике курсы. Материал пособия представляет интерес также для аспирантов и специалистов, использующих в своей работе методы, алгоритмы и программы оптимизации.
Предисловие.
В последние годы интенсивно развиваются алгоритмы поисковой оптимизации, которые называют поведенческими, интеллектуальными, мета-эвристическими, вдохновленными (инспирированными) природой, роевыми, многоагентными, популяционными и т. д. Эффективность таких алгоритмов соизмерима, а часто превосходит эффективность ставших уже классическими эволюционных алгоритмов, среди которых наиболее известен генетический алгоритм. С помощью популяционных алгоритмов успешно решаются сложные оптимизационные задачи, например, задачи автоматизированного проектирования, синтеза сложных химических соединений, оптимального управления динамическими системами. Большое число, прежде всего, англоязычных публикаций посвящено разработке, исследованию эффективности и практическому применению популяционных алгоритмов. В то же время для многих алгоритмов полностью или практически отсутствуют даже журнальные русскоязычные публикации. Данное учебное пособие призвано восполнить этот пробел и предоставить учащемуся широкий обзор современных
популяционных алгоритмов поисковой оптимизации.
Предисловие.
Основные обозначения.
Введение.
Глава 1. Постановка задачи поисковой оптимизации и непопуляционные стохастические алгоритмы ее решения.
Глава 2. Эволюционные алгоритмы.
Глава 3. Алгоритмы роя частиц, колонии муравьев и пчелиного роя.
Глава 4. Другие популяционные алгоритмы, вдохновленные живой природой.
Глава 5. Популяционные алгоритмы, инспирированные неживой природой, человеческим обществом, и другие популяционные алгоритмы.
Глава 6. Гибридизация популяционных алгоритмов.
Глава 7. Метаоптимизация популяционных алгоритмов.
Глава 8. Популяционные алгоритмы многоцелевой оптимизации.
Глава 9. Параллельные популяционные алгоритмы поисковой оптимизации.
Литература.
Приложение А. История разработки популяционных алгоритмов поисковой оптимизации.
Приложение Б. Тестовые функции для одноцелевой задачи глобальной оптимизации.
Приложение В. Тестовые задачи многоцелевой оптимизации.
Предметный указатель.
По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.
По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес» , и потом ее скачать на сайте Литреса.
По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.
On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.
Источник
Вопрос 42: Алгоритмы, вдохновленные живой природой
Все алгоритмы, вдохновленные живой природой относятся к классу эвристических алгоритмов (heuristic algorithms), то есть алгоритмов, для которых сходимость к глобальному решению не доказана, но экспериментально установлено, что в большинстве случаев они дают достаточно хорошее решение. В качестве общего названия членов популяции используем термин агент (agent). В различных популяционных алгоритмах агенты называются индивидами, особями и т.д. Общая схема популяционных алгоритмов включает в себя следующие этапы:
- Инициализация популяции. В области поиска тем или иным образом создаем некоторое число начальных приближений к искомому решению задачи – инициализируем популяцию агентов.
- Миграция агентов популяции. С помощью некоторого набора миграционных операторов, специфических для каждого из популяционных алгоритмов, перемещаем агентов в области поиска таким образом, чтобы в конечном счете приблизиться к искомому экстремуму оптимизируемой функции.
- Завершение поиска. Проверяем выполнение условий окончания итераций, и если они выполнены, завершаем вычисления, принимая лучшее изнайденных по ложений агентов популяции за приближенное решение задачи. Если указанные условия не выполнены, возвращаемся к выполнению этапа 2.
При инициализации популяции могут быть использованы детерминированные и случайные алгоритмы. Формирование начальной популяции, агенты которой находятся вблизи глобального экстремума оптимизируемой функции, может существенно сократить время решения задачи. Однако обычно априорная информация о местоположении этого экстремума отсутствует, поэтому агентов начальной популяции распределяют равномерно по всей области поиска.
Миграцию агентов, например, в генетическом алгоритме, который мы так же относим к популяционным алгоритмам, реализуют генетические операторы скрещивания, мутации и другие.
В качестве условия окончания поиска используют, как правило, условие достижения заданного числа итераций (поколений). Часто используют также условие стагнации(stagnation) алгоритма, когда лучшее достигнутое значение оптимизируемой функции не изменяется втечение заданного числа поколений. Могут быть использованы и другие условия, например, условие исчерпания времени, отпущенного на решение задачи.
Из представленной общей схемы популяционных алгоритмов следует, что они обладают ярко выраженной модульной структурой, позволяющей легко получить большое число вариантов любого из алгоритмов путем варьирования и комбинирования правил инициализации популяции, миграционных операторов и условий завершения поиска.
Агенты популяции обладают следующими основными свойствами.
- Автономность – агенты движутся впространстве поиска, хотябы частично, независимо друг от друга.
- Стохастичность – процесс миграции агентов содержит случайную компоненту.
- Ограниченность представления – каждый из агентов популяции обладает информацией лишь обисследуемой им части области поиска и, быть может, об окружении некоторых других агентов.
- Децентрализация – отсутствие агентов, управляющих процессом поиска вцелом.
- Коммуникабельность – агенты тем или иным способом могут обмениваться между собой информацией о топологии (ландшафте) оптимизируемой функции, выявленной в процессе исследования своей части области поиска.
Даже если стратегия поведения каждого из агентов популяции достаточно проста, указанные свойства агентов обеспечивают формирование так называемого роевого интеллекта (swarm intelligence) популяции, проявляющегося в самоорганизации и сложном поведении популяции в целом.
К числу алгоритмов, вдохновленнх природой, относят: алгоритм светлячков, сорняковый алгоритм, кукушкин поиск, обезьяний алгоритм, поиск косяком рыб, алгоритм, инспирированный летучими мышами.
results matching » «
No results matching » «
Источник
Современные алгоритмы поисковой оптимизации, алгоритмы, вдохновленные природой, Карпенко А.П., 2014
По кнопке выше «Купить бумажную книгу» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.
По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес» , и потом ее скачать на сайте Литреса.
По кнопке «Найти похожие материалы на других сайтах» можно искать похожие материалы на других сайтах.
On the buttons above you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.
Современные алгоритмы поисковой оптимизации, алгоритмы, вдохновленные природой, Карпенко А.П., 2014.
Учебное пособие посвящено, преимущественно, рассмотрению современных стохастических популяционных алгоритмов решения однокритери-альной задачи оптимизации. Рассмотрены методы повышения эффективности этих алгоритмов путем их гибридизации и метаоптимизации. Наряду с одно-критериальной рассматривается задача многокритериальной оптимизации и популяционные алгоритмы ее решения. Представлены методы распараллеливания указанных алгоритмов. Содержит большое число примеров решения тестовых и практически значимых задач оптимизации. Для студентов высших учебных заведений, обучающихся по направлению 230100 «Информатика и вычислительная техника». Может быть полезно для всех студентов, изучающих курс «Методы оптимизации» и близкие по тематике курсы. Материал пособия представляет интерес также для аспирантов и специалистов, использующих в своей работе методы, алгоритмы и программы оптимизации.
Предисловие.
В последние годы интенсивно развиваются алгоритмы поисковой оптимизации, которые называют поведенческими, интеллектуальными, мета-эвристическими, вдохновленными (инспирированными) природой, роевыми, многоагентными, популяционными и т. д. Эффективность таких алгоритмов соизмерима, а часто превосходит эффективность ставших уже классическими эволюционных алгоритмов, среди которых наиболее известен генетический алгоритм. С помощью популяционных алгоритмов успешно решаются сложные оптимизационные задачи, например, задачи автоматизированного проектирования, синтеза сложных химических соединений, оптимального управления динамическими системами. Большое число, прежде всего, англоязычных публикаций посвящено разработке, исследованию эффективности и практическому применению популяционных алгоритмов. В то же время для многих алгоритмов полностью или практически отсутствуют даже журнальные русскоязычные публикации. Данное учебное пособие призвано восполнить этот пробел и предоставить учащемуся широкий обзор современных
популяционных алгоритмов поисковой оптимизации.
Предисловие.
Основные обозначения.
Введение.
Глава 1. Постановка задачи поисковой оптимизации и непопуляционные стохастические алгоритмы ее решения.
Глава 2. Эволюционные алгоритмы.
Глава 3. Алгоритмы роя частиц, колонии муравьев и пчелиного роя.
Глава 4. Другие популяционные алгоритмы, вдохновленные живой природой.
Глава 5. Популяционные алгоритмы, инспирированные неживой природой, человеческим обществом, и другие популяционные алгоритмы.
Глава 6. Гибридизация популяционных алгоритмов.
Глава 7. Метаоптимизация популяционных алгоритмов.
Глава 8. Популяционные алгоритмы многоцелевой оптимизации.
Глава 9. Параллельные популяционные алгоритмы поисковой оптимизации.
Литература.
Приложение А. История разработки популяционных алгоритмов поисковой оптимизации.
Приложение Б. Тестовые функции для одноцелевой задачи глобальной оптимизации.
Приложение В. Тестовые задачи многоцелевой оптимизации.
Предметный указатель.
Источник