Search academic texts

Information × Registration Number 2121U008629, Article popup.category Опубліковано, Стаття Title GUIDED HYBRID GENETIC ALGORITHM FOR SOLVING GLOBAL OPTIMIZATION PROBLEMS popup.author Авраменко С. Є.Желдак Т. А.Коряшкіна Л. С.Avramenko S. E.Zheldak T. A.Koriashkina L. S. popup.publication 10-07-2021 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/237057 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Провідною проблемою в світі штучного інтелекту є оптимізація складних систем, що нерідко подається у вигляді нелінійної функції, яку необхідно мінімізувати. Такі функції можуть виявитися мультимодальними, недиференційованими, і навіть, заданими у формі чорної скриньки. Побудова ефективних методів розв’язання задач глобальної оптимізації і сьогодні викликав значний інтерес серед науковців. Мета. Розробка нового гібридного генетичного алгоритму розв’язання задачі безумовної глобальної оптимізації, швидшого за існуючі аналоги. Методи. Одним з важливих викликів, з якими стикаються гібридні методи під час розв’язування задач нелінійної глобальної оптимізації, є раціональне використання локального пошуку, оскільки його реалізація супроводжується достатньо коштовними обчислювальними витратами. В даній роботі запропонований новий гібридний генетичний алгоритм GBOHGA, який відтворює керований локальний пошук, і поєднує дві успішні модифікації генетичних алгоритмів, перша з яких BOHGA встановлює якісний баланс між локальним та глобальним пошуком, друга – HGDN – запобігає повторному дослідженню раніше вже розвіданої області пошукового простору. Окрім цього, було запропоновано модифіковану bumpфункцію та адаптивну схему визначення її параметру – радіусу області «дефляції» цільової функції в околі вже знайденого локального мінімуму – задля прискорення роботи алгоритму. Результати. Роботу GBOHGA з іншими відомими стохастичними пошуковими евристиками на наборі із 33 тестових функцій в 5 та 25 вимірному просторах. Результати обчислювальних експериментів свідчать про конкурентну спроможність GBOHGA, особливо в задачах з мультимодальними функціями і великою кількістю змінних. Висновки. Новий гібридний алгоритм GBOHGA, розроблений на основі інтеграції ідей керованого локального пошуку і алгоритмів BOHGA та HGDN, дозволяє значно економити обчислювальні ресурси та прискорювати розв’язання задачі глобальної оптимізації. Його варто застосовувати для розв’язання задач глобальної оптимізації, що виникають в інженерному проектуванні, вирішення організаційно-управлінських проблем, особливо коли математична модель задачі є складною і має високу розмірність. popup.nrat_date 2026-02-09 Close