|
|
Геннетический
подход и нечёткие оценки в оптимизации
Список трудов Fuzzy Technologies Lab.
Лаборатория нечетких технологий Институт автоматики и электрометрии Сибирское
отделение РАН.С.В.Жукова, Ю.Н.Золотухин, Л.А.Рахманова.
Журнал "Автоматизация
Проектирования"
Генетический алгоритм для трассировки
двухслойных каналов. Трассировка -это заключительный и важнейший этап
конструкторского проектирования больших и сверхбольших интегральных
схем.
Машинная эволюция
Машинная эволюция. Метод перебора как наиболее
универсальный метод поиска решений. Методы ускорения перебора. Метод
группового учета аргументов как представитель эволюционных методов
Генетический алгоритм. Автоматический синтез
технических решений. Поиск оптимальных структур. Алгоритм
поиска глобального экстремума. Алгоритм конкурирующих точек.
Алгоритм случайного поиска в подпространствах. Некоторые
замечания относительно использования ГА.
Генетические алгоритмы как
эволюционные методы поиска
Генетические алгоритмы как эволюционные методы
поиска. Задача поиска. Символьная модель. Геометрическая интерпретация символьной модели Шима.
Работа простого ГА.
Журнал Автоматизация
Проектирования
Многохромосомная оптимизация оценки качества
программных средств. В настоящее время сложилась такая ситуация что
из общей стоимости программно аппаратного комплекса (ПАК), на долю
программного обеспечения приходится до 95%. Отсюда следует что
конкурентоспособность ПО основывается на снижении его стоимости и
повышении качества.
Компьютерра.
Генетические алгоритмы: почему они работают?
Акопян А. М. Генетические алгоритмы.
Акопян А. М. Генетические алгоритмы для решения
задачи глобальной оптимизации.
В генетических алгоритмах используются механизмы аналогичные тем что существуют в природе,
кодирование информации в линейные структуры и перераспределение этой
информации при помощи специальных операций. Несмотря на биологическую
терминологию генетические алгоритмы являются универсальным
вычислительным средством для решения серьезных математических задач.
Генетические алгоритмы
Генетические алгоритмы.Естественный отбор в природе.
Эволюционная теория утверждает что каждый биологический
вид целенаправленно развивается и изменяется для того, чтобы
наилучшим образом приспособиться к окружающей среде.
Оптимизация
многоэкстремальных функций с помощью
генетических алгоритмов
Д.И. Батищев С.А. Исаев Оптимизация
многоэкстремальных функций с помощью генетических алгоритмов
опубликовано в сборнике статей издаваемом ВГТУ осень 1997. В работе
рассматривается генетический алгоритм для
решения многопараметрической непрерывной задачи оптимизации.
Предлагается новая отличная от традиционной символьная модель и
новые генетические операторы использующие специфику такой модели.
Обсуждаются вопросы связанные с влиянием операторов и значений
параметров на поведение ГА.
Влияние способа
инициализации на эффективность простейшего генетического алгоритма
Влияние способа инициализации на
эффективность простейшего генетического алгоритма при оптимизации
некоторых функций двух вещественных переменных. В
данной работе представлено сравнение различных способов
инициализации при использовании в простейшем генетическом алгоритме
и методика сравнения. А.А. Павленко. НИИ
систем управления волновых процессов и технологий.
|
|
Сайт создан в системе
uCoz