Эволюционное проектирование элементов телекоммуникационных систем
Использование генетических алгоритмов для решения задач многокритериальной оптимизации. Операторы кроссинговера высших степеней и многородительское скрещивание. Применение генетических алгоритмов к проектированию вибраторных антенн, их характеристики.
Подобные документы
История появления генетических алгоритмов, области их применения: составление расписаний, задачи раскроя-упаковки, аппроксимации. Способы реализации идеи биологической эволюции в рамках генетических алгоритмов. Операторы отбора, кроссинговера и мутации.
лекция, добавлен 09.10.2013Использование генетических алгоритмов как механизма для автоматического проектирования схем на реконфигурируемых платформах. Требования к проектированию генетических алгоритмов. Аппаратная реализация компактного и вероятностного генетического алгоритма.
статья, добавлен 16.01.2018- 3. Решение прямой и обратной задач. Изучение генетических алгоритмов с помощью графического интерфейса
Графический интерфейс генетических алгоритмов. Нахождение глобального минимума функции переменной. Поиск аргументов с помощью генетических алгоритмов. Решение прямой, обратной задач. Изучение генетических алгоритмов в режиме командной строки MATLAB.
курсовая работа, добавлен 29.02.2020 Основные определения и понятия теории графов. Оптимизация решения задач с применением эволюционно-генетического подхода. Повышение технологичности и простоты конструктивного оформления элементов принципиальных схем на основе генетических алгоритмов.
курсовая работа, добавлен 28.02.2018Исследование методов, использующих оптимальность по Парето на основе генетических алгоритмов. Описание преимуществ метода SPEA (Strength Pareto Evolutionary Algorithm) и SPEA2 по отношению к другим наиболее часто применяемым методам VEGA, FFGA, NSGA.
статья, добавлен 27.07.2017Развитие интегрированных, гибридных и синергетических систем в современной информатике. Особенности алгоритма поиска гармонии (HS), его преимущества по сравнению с известными алгоритмами оптимизации. Сравнение комбинированных генетических алгоритмов.
статья, добавлен 19.01.2018- 7. Сравнение эффективности применения классических и интеллектуальных методов решения задач оптимизации
Реализация и применение методов покоординатного спуска, генетических алгоритмов и метода PSO. Выбор функции для оценки качества работы алгоритмов, реализующих методы оптимизации. Разработка программного обеспечения. Мерный вектор псевдослучайных чисел.
курсовая работа, добавлен 13.01.2016 Применение генетических алгоритмов (ГА), эффективных при решении задач оптимизации, их преимущества и недостатки. Процесс настройки и контроля параметров конкретного ГА, его влияние на эффективность решения задачи. Результаты тестирования алгоритмов.
статья, добавлен 29.04.2018Определение понятия и история создания генетических алгоритмов в решении оптимизационных задач. Анализ их конкурентоспособности при решении NP-трудных задач в сравнении с динамическим и линейным программированием. Схема работы и пример алгоритма.
контрольная работа, добавлен 09.03.2014Применение переборных алгоритмов в рамках задачи оптимизации транспортной логистики. Задачи применения генетических алгоритмов. Особенности работы операторов скрещивания. Способы решения проблемы перекрестного скрещивания в задаче коммивояжера.
доклад, добавлен 28.04.2014Проектирование и применение гибридных биоинспирированных методов для решения трудных задач многокритериальной оптимизации. Общий подход к применению биоинспирированных методов для задач многокритериальной оптимизации при поиске Парето-оптимальных решений.
статья, добавлен 20.08.2020Понятие генетических алгоритмов как аналитических технологий, созданных и выверенных самой природой за миллионы лет ее существования. Особенности разработки системы, генерирующей решение с помощью генетических алгоритмов, характеристика их источника.
курсовая работа, добавлен 21.10.2013Кластеризация, решение задач коммивояжера с помощью генетических алгоритмов. Разбиение участников рейда на группы методом древовидной кластеризации, выявление центра сбора участников с помощью генетических алгоритмов. Проверка качества кластеризации.
курсовая работа, добавлен 05.02.2014- 14. Программа нечеткого вывода, построенная с использованием генетических алгоритмов и знаний экспертов
Представление реализации системы нечеткого вывода с использованием генетических алгоритмов и экспертных знаний. Использование мнений экспертов, выраженных в виде правил. Возможность по выделению первичных данных из файла путем применения алгоритма.
дипломная работа, добавлен 27.08.2016 Описание подхода к доказательному проектированию реактивных алгоритмов (ПРА), развиваемого в Институте кибернетики имени В.М. Глушкова НАН Украины. Основные проблемы, возникающие при ПРА, специфицированных в логическом языке L, и методы их решения.
статья, добавлен 02.10.2018Определение задач, решаемых при синтезе архитектур вычислительных систем и планировании параллельных вычислений в общей постановке. Рассмотрение применения для синтеза структуры вычислительной системы реального времени алгоритма, предложенного Холландом.
статья, добавлен 15.08.2020Доказательство возможности аппроксимации непрерывных функций нейронными сетями в работах Колмогорова и Хехта Нильсена. Эффективность применения генетических алгоритмов к решению проблемы исследования таких сетей. Выбор операторов мутации и кроссовера.
статья, добавлен 22.08.2020Основные понятия и принципы нечеткого моделирования. Постановка задачи классификации на основе нечеткого логического вывода. Алгоритм ее решения. Формирование базы правил для классификатора. Использование генетических алгоритмов для ее оптимизации.
курсовая работа, добавлен 10.04.2014Разработка генетической топологии поиска нейросетевых моделей, ее программная реализация в составе моделирующей системы. Апробация топологии на актуальной задаче. Изучение методов совместного использования генетических алгоритмов и нейронных сетей.
автореферат, добавлен 02.05.2018Решение задач оптимизации и структурного синтеза. Поиск путей повышения эффективности генетических алгоритмов. Экспериментальная оценка эффективности методов с фрагментарными кроссовером и макромутациями. Решение NP-трудных задач дискретной оптимизации.
статья, добавлен 19.01.2018- 21. Первичные профессиональные умения и навыки по профессии "Оператор электронно-вычислительных машин"
Построение математической модели и алгоритма решения задачи при помощи применения метода линейных алгоритмов. Использование разветвляющихся алгоритмов при решении задач, применение циклических алгоритмов. Алгоритмы обработки информационных массивов.
отчет по практике, добавлен 22.06.2011 Приемы нечеткого моделирования систем. Понятие оператора дополнения множества. Применение нечетких импликаций для получения логического вывода. Строение модели классификатора и его проектирование. Упрощение базы правил и цель генетических алгоритмов.
курсовая работа, добавлен 18.04.2014Описание структуры нечеткого генетического алгоритма и модификации основных генетических операторов, используемых для нахождения решения. Формирование управляющего воздействия нечеткого логического контроллера. Значения вероятностей кроссинговера.
статья, добавлен 18.01.2018Характеристика среды разработки программ Visual Studio. Построение алгоритмов линейной структуры и простейшего диалогового интерфейса. Логические операторы и операторы отношения, а также операторы ветвления и выбора. Построение циклических алгоритмов.
лабораторная работа, добавлен 07.06.2016Изучение научного направления "Природные вычисления" на примере муравьиных алгоритмов, теоретическая основа, их работа, моделирование и решение задач оптимизации, результаты исследования и реализация проекта с помощью языка программирования Delphi.
курсовая работа, добавлен 08.01.2014