Остання редакція: 2023-03-06
Анотація
У роботі розглянуто низку методів із групи ”м'яких обчислень”, які інспіровані природою. Дані методи дозволяють ефективно розв’язувати прикладні оптимізаційні задачі, в яких необхідно працювати зі складними функціональними залежностями в умовах невизначеності.
SOME ASPECTS OF METAHEURISTIC OPTIMIZATION ALGORITHMS
Abstracts. In this paper has been conducted the analysis set of methods from the group of "soft computing", which are inspired by nature. These methods allow effectively to solve many applied optimization tasks, in which we must to work with complex functional dependencies in conditions of uncertainty.
Ключові слова
Посилання
1. Kochenderfer M.J., Wheeler T.A. Algorithms for Optimization. Cambridge: The MIT Press, 2019. 500 p.
2. Where the Rubber Meets the Road. URL: https://www.clearlyandsimply.com/clearly_and_simply/ 2010/05/where-the-rubber-meets-the-road.html.
3. Hiroyasu T., Miki M., Watanabe S. New Model of Parallel Genetic Algorithm in Multi-Objective Optimization Problems - Divided Range Multi-Objective Genetic Algorithm. The Proceedings of the 2000 Congress on Evolutionary Computation. La Jolla (USA), 2000. P. 333-340.
4. Eshelman L.J. The CHC Adaptive Search Algorithm: How to Have Safe Search When Engaging in Nontraditional Genetic Recombination. Foundations of Genetic Algorithms. 1991. Vol. 1. P. 265-283.
5. Clerc M., Kennedy J. The Particle Swarm – Explosion, Stability and Convergence in a Multidimensional Complex Space. IEEE Transactions on Evolutionary Computation. 2002. Vol. 6. № 1. P. 58-73.