ЗАСТОСУВАННЯ ГІБРИДНОГО ЕВОЛЮЦІЙНОГО МЕТОДУ НА ОСНОВІ РОЮ ЧАСТОК ТА МОДЕЛЮВАННЯ ШТУЧНОЇ ІМУННОЇ СИСТЕМИ В ЗАДАЧАХ ОПТИМІЗАЦІЇ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2024.01.088Ключові слова:
оптимізація, гібридний метод, еволюційний алгоритм, тестування, надійність, інформаційні технологіїАнотація
Розглянуто гібридний еволюційний метод розв'язання задач умовної та безумовної оптимізації в неперервному просторі на основі рою частинок та моделювання штучної імунної системи HIPSO. За допомогою методу розв'язано 30 тестових задач у 25-вимірному дійсному просторі. Результати порівнюються з іншими відомими еволюційними методами. Показано, що метод надійно розв'язує 90% тестових задач, а в 67% випадків знаходить глобальний оптимум швидше, ніж конкуруючі методи. Експериментально доведено, що запропонований метод знаходить найкращий розв'язок з похибкою до 2,6% на широкому діапазоні реальних задач з ймовірністю, що перевищує 0,813. Translated with DeepL.com (free version).
Посилання
Ziborov, I., Zheldak, T. (2023). The evolutionary method based on particle swarm optimization and arti潸cial immune systems modelling. Information Technology: Computer Science, Software Engineering and Cyber Security, 4, 3–12
Jamil M., Yang X. S. A (2013). literature survey of benchmark functions for global optimization problems, International Journal of Mathematical Modelling and Numerical Optimisation, Vol. 4, No. 2, pp. 150–194. DOI: 10.1504/IJMMNO.2013.055204
Subbotin S.O., Oliinyk A.O., Oliinyk O.O. (2009) Neiteratyvni, evoliutsiini ta multyahentni metody syntezu nechitkolohichnykh i neiromerezhnykh modelei.
Zaporizhzhia: ZNTU. - 375 p.
Das A. and Chakrabarti B. K. (Eds.), (2005) Quantum Annealing and Related Optimization Methods, Lecture Note in Physics, Vol. 679, Springer, Heidelberg
Bratton, Daniel; Kennedy, James (2007). Defining a Standard for Particle Swarm Optimization. Proceedings of the 2007 IEEE Swarm Intelligence Symposium (SIS 2007).
pp. 120–127. doi:10.1109/SIS.2007.368035
Knuth D. (2015) The Art of Computer Programming. Vol. 4, Fascicle 6: Satisfiability.
ISBN 978-0-134-39760-3.
Ziborov, I., Zheldak, T. (2022). Development of self-learning intelligent decision-making support system to control steel production technological processes. System technogies. V.3(140). P. 35-64. DOI 10.34185/1562-9945-3-140-2022-04
