Применение методов генетических алгоритмов для построения множества Парето в задачах многокритериальной оптимизации
Исследование 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.
Подобные документы
- 1. 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 Метод многокритериальной оптимизации с использование кластерного генетического алгоритма. Анализ необходимости дополнительной проработки механизма сравнения хромосом, возможное усиление векторного критерия оптимальности дополнительными условиями.
статья, добавлен 27.02.2019Проектирование 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 20.08.2020Попытки копирования естественных процессов, происходящих в мире живых организмов. Адаптивные методы поиска, используемые для решения задач функциональной оптимизации. Реализация генетических алгоритмов и их применение. Пути решения задач оптимизации.
курсовая работа, добавлен 18.06.2011Использование 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- 6. 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 Реализация алгоритма сужения множества Парето на основе информации об относительной важности критериев на языке высокого уровня. Теорема о сужении множества Парето. Оценка выгодности инвестирования с ее помощью. Текст программы и результат ее выполнения.
лабораторная работа, добавлен 31.03.2023Использование метода полного перебора для выбора компьютера по одному критерию и методов ранга, Парето и анализа иерархий для реализации многокритериальной оптимизации. Структура программного обеспечения. Интерфейс пользователя. Верификация программы.
курсовая работа, добавлен 28.09.2015Развитие 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 19.01.2018Основные 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 28.02.2018Разработка 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 02.05.2018Постановка задачи оптимизации о нахождении экстремума вещественной функции в некоторой области. Изучение методов многомерной оптимизации, описание градиентных и безградиентных методов. Программная реализация одного из алгоритмов многомерной оптимизации.
курсовая работа, добавлен 26.06.2011Анализ алгоритмов построения траектории движущихся объектов на основе сегментации видеоданных. Разработка методов сжатия за счет новых алгоритмов интерполяции отсчетов сигнала и исследование их эффективности. Построение модели кодека программы.
автореферат, добавлен 31.07.2018Понятие 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 21.10.2013История 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 09.10.2013Применение 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 28.04.2014Описание генетических алгоритмов построения характеристических последовательностей установки или сброса триггера. Сущность и развитие эволюционных алгоритмов построения характеристических и идентифицирующих последовательностей для схем с памятью.
статья, добавлен 28.02.2016Применение 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 09.03.2014Доказательство 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 22.08.2020Кластеризация, 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 05.02.2014Решение 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 19.01.2018Бесконтактное измерение биометрических параметров состояния здоровья человека. Рассмотрение амплитудного и фазового методов построения алгоритмов для измерения сердечного пульса. Особенности выявления мельчайших движений сердца на видеоизображении.
статья, добавлен 02.03.2018- 24. 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 Анализ существующих подходов к решению задач структурного синтеза в проектировании и логистике. Разработка новых генетических методов структурного синтеза проектных решений. Параметры, управление которыми повышает эффективность генетических алгоритмов.
автореферат, добавлен 31.03.2018