IT, готовый диплом

ZAUCHKA.ru

+7 913 789-74-90

Интернет-магазин/Информатика, программирование, базы данных/Информационные технологии/Исследование работы генетического алгоритма для решения задач безусловной оптимизации

Тема/Вариант	Исследование работы генетического алгоритма для решения задач безусловной оптимизации
Предмет	Информационные технологии
Тип работы	диплом
Объем работы	19стр+приложения+ПО
Дата поступления	12.12.2012

4300 ₽

Содержание

1. Введение. 3\r\n 1.1. Актуальность работы. 3\r\n 1.2. Цель работы. 4\r\n 1.3. Задачи для достижения цели. 5\r\n2. Глава 1. Общие теоретические сведения. 6\r\n 2.1. Задача оптимизации. 6\r\n 2.2. Генетический алгоритм. 6\r\n 2.3. Мультистарт локального спуска. 8\r\n 2.4. Метод Монте-Карло. 8\r\n3. Глава 2. Программная реализация алгоритмов. 9\r\n 3.1. Генетический алгоритм. 9\r\n 3.2. Мультистарт локального спуска. 10\r\n 3.3. Метод Монте-Карло. 11\r\n4. Глава 3. Результаты численных исследований. 12\r\n5. Заключение. 19

Введение

1.1. Актуальность работы.\r\nПри решении задач оптимизации сложных систем часто встречаются следующие ситуации:\r\n• Вычислительная сложность - математическое выражение целевого функционала либо отсутствует вообще, либо целевой функционал вычисляется как последовательность сложных нелинейных математических преобразований.\r\n• Априорные сведения о свойствах целевого функционала отсутствуют. Оптимизация производится только по измерениям функционала в фиксированных точках.\r\n• С объектом нельзя активно экспериментировать, оптимизация производится по модели объекта.\r\n• Объект нестационарный – положение экстремума может меняться во времени.\r\n• Размерность задачи высока.\r\n• Переменные задачи выражены в различных шкалах измерения.\r\n• Оптимизируемый функционал не линеен и многоэкстремален, в допустимой области существуют множества постоянства.\r\n• Допустимая область ограничена - наличие ограничений типа равенств и неравенств (ограничения также могут обладать выше перечисленными свойствами).\r\n• Оптимизация производится по многим экстремальным критериям одновременно – многокритериальная оптимизация.\r\nПрименение классических методов оптимизации в подобных задачах крайне затруднено или не возможно вовсе, поэтому задача разработки адаптивных стохастических методов прямого поиска является весьма актуальной. Предложенные в 1975 году Джоном Холландом генетические алгоритмы основаны на принципах естественного отбора Ч. Дарвина. Эти алгоритмы успешно применяются во многих науках – физике, экономике и технических науках.

Заключение

В то время как количество точек поискового пространства растет по показательной функции, минимально необходимый вычислительный ресурс (количество вычислений целевой функции) для достижения сто процентной надежности генетического алгоритма растет полиномиально.\r\nГенетический алгоритм может противостоять эффекту комбинаторного взрыва количества точек поискового пространства с увеличением размерности поискового пространства.

Литература

СПИСОК ЛИТЕРАТУРЫ\r\n1. Рутковская Д.В., Пилиньский М.Л., Рутковский Л.С., Нейронные сети генетические алгоритмы нейронные сети / М.: Горячая линия-Телеком, 2006.\r\n2. Панченко Т.В. Генетические алгоритмы, астраханский университет, 2007.\r\n3. Флёнов М.Е. Программирование в среде Delphi Питер, 2006.

Уточнение информации

+7 913 789-74-90
info@zauchka.ru
группа вконтакте