Статья

Название статьи К ВОПРОСУ О ПАРАМЕТРИЧЕСКОЙ ОПТИМИЗАЦИИ РОЕВЫХ АЛГОРИТМОВ
Автор В.А. Мохов, Е.Н. Бородулина
Рубрика РАЗДЕЛ IV. КРАТКИЕ СООБЩЕНИЯ
Месяц, год 04, 2014
Индекс УДК 519.876.5
DOI
Аннотация Анализируется группа роевых алгоритмов класса метаэвристик: алгоритм муравьиной колонии, пчелиный алгоритм, светлячковый алгоритм, алгоритм роя частиц, алгоритм стохастической диффузии, алгоритм кукушкиного поиска, алгоритм бактериальной оптимизации, алгоритм гравитационного поиска, алгоритм капель воды. Более детально рассматривается поведение муравьиного роя при решении задачи коммивояжера. В настоящий момент основное внимание исследователей уделяется усовершенствованию роевых алгоритмов со стороны специалистов в области комбинаторной оптимизации. При этом обращается внимание на то, что большая часть модификаций для вышеупомянутых муравьиных алгоритмов сводится к детализации и уточнению уже найденных удачных решений на основе экспериментальных исследований. Авторами предлагается рассматривать процесс поведения роя агентов таким образом, чтобы получить выделения основных групп параметров, определяющих его течение и характеризующих состояние в любой момент времени: входные и выходные параметры, управляющие и возмущающие воздействия. Предлагается вариант формального описания роевых алгоритмов для их последующей параметрической оптимизации.

Скачать в PDF

Ключевые слова Параметрическая оптимизация; роевой алгоритм; муравьиный алгоритм.
Библиографический список 1. Кнорринг В. И. Теория, практика и искусство управления. – М.: НОРМА, 2001. – 528 с.
2. Blum C., Rol, A. Metaheuristics in combinatorial optimization: Overview and conceptual comparison // ACM Computing Surveys. – 2003. – № 35 (3). – P. 268-308.
3. Мохов В.А. Георгица И.В., Гончаров С.А. Мультиагентное моделирование сетевой атаки типа DDoS [Электронный ресурс] // «Инженерный вестник Дона». – 2013. – № 3. – Режим доступа: http://ivdon.ru/magazine/archive/n3y2013/1852 (доступ свободный) – Загл. с экрана. – Яз. Рус.
4. Карпенко А. П. Популяционные алгоритмы глобальной поисковой оптимизации. Обзор новых малоизвестных алгоритмов // ИТ: Прилож. к журналу «Информационные технологии». – 2012. – № 7. – С. 1-32.
5. Штовба С.Д. Муравьиные алгоритмы // Exponenta Pro. Математика в приложениях. – 2003. – № 4. – С. 70-75.
6. Dorigo M., Gambardella L.M. Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem // IEEE Transactions on Evolutionary Computation. – 1997. – Vol. 1, 1. – Р. 53-66.
7. Stьtzle T., Hoos H. MAX-MIN Ant System and local search for the traveling salesman problem // IEEE International Conference on Evolutionary Computation. – 1997. – P. 309-314.
8. Stьtzle T., Lуpez-Ibбсez M., Pellegrini P., Maur M., de Oca, M., Birattari M., Maur M., Dorigo M. (2010) Parameter Adaptation in Ant Colony Optimization // Technical Report, IRIDIA, Universitй Libre de Bruxelles.
9. Островский Г.М., Бережинский Т.А. Оптимизация химико-технологических процессов. Теория и практика. – М.: Химия, 1984. – 240 с.

Comments are closed.