Исследование эффективности алгоритмов непрерывной поисковой оптимизации методом роя частиц

Авторы: Ямченко Ю.В., Андрусенко А.С.
Опубликовано в выпуске: #1(1)/2016
DOI: 10.18698/2541-8009-2016-1-7
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика
Ключевые слова: глобальная оптимизация, метод роя частиц, ранжированный алгоритм FIPS, безусловная оптимизация
Опубликовано: 06.09.2016

Представлен стохастический метод прямого поиска - метод роя частиц. Рассмотрены модификации данного метода: ранжированный алгоритм FIPS и алгоритм с дополнением графа соседства частиц. Исследована эффективность разработанного алгоритмического и программного обеспечения. Результаты исследования могут быть использованы при выборе наиболее эффективного алгоритма оптимизации, основанного на методе роя частиц.

Литература

[1] Захарова Е.М., Минашина И.К. Обзор методов многомерной оптимизации // Информационные процессы. 2014. № 3. С. 256-274.

[2] Фишер Ф.Н. Проблемы идентификации в эконометрии. М.: Финансы и статистика, 1978. 223 c.

[3] Chia-Nan K., Ying-Pin C., Chia-Ju W. An orthogonal-array based particle swarm optimizer with nonlinear time-varying evolution // Applied Mathematics and Computation. 2007. Vol. 191. No. 1. P. 272-279. DOI: 10.1016/j.amc.2007.02.096

[4] Qi H., Ruan L.M., Shi M., An W., Tan H.P. Application of multi-phase particle swarm optimization technique to inverse radiation problem // Journal of Quantitative Spectroscopy & Radiative Transfer. 2008. Vol. 109. No. 3. P. 476-493. DOI: 10.1016/j.jqsrt.2007.07.013

[5] Хемди А. Таха. Введение в исследование операций: в 2-х кн. Кн. 2. М.: Издательский дом "Вильямс", 2005. 912 c.

[6] Jie J., Han Ch., Zeng J. An extended mind evolutionary computation model for optimizations // Applied Mathematics and Computation. 2007. Vol. 185. No 2. P. 1038-1049. DOI: 10.1016/j.amc.2006.07.037

[7] Карпенко А.П., Селиверстов Е.Ю. Глобальная безусловная оптимизация роем частиц на графических процессорах архитектуры CUDA // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2010. № 4. С. 188-191. DOI: 10.7463/0410.0142202

[8] Kennedy J., Eberhart R.C. Particle swarm optimization // Proc. of IEEE Int. Conf. on Neural Networks. Vol. 4. Australia, IEEE Service Center, Piscataway, NJ. 1995. Р. 1942-1948.

[9] Карпенко А.П., Селиверстов Е.Ю. Обзор методов роя частиц (PSO) для задачи глобальной оптимизации // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2009. № 3. DOI: 10.7463/00309.0116072

[10] Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н.Э. Баумана. 2014. 446 c.