|
||
Основные показатели универсального алгоритма случайно-генетической оптимизации
К настоящему времени нами разработан набор стратегий случайно-генетической оптимизации, выполнена соответствующая программная реализация, проведены тестовые испытания, которые свидетельствуют о больших возможностях данного алгоритма, о его превосходстве перед общеизвестными методами поиска. Значимость практических и теоретических результатов объясняется, прежде всего, тем, что нам в какой-то мере удалось на основе генетического подхода разрешить проблему несовместимости локальности и глобальности поиска в условиях большой размерности и неопределенности модели. Как известно, основными показателями оптимизационных алгоритмов является:
Разработанный алгоритм обеспечивает высокий уровень качества единовременно по всем перечисленным показателям; выигрывает практически по каждому из них, причем значительно, в сравнении с известными оптимизационными методами, решает все перечисленные типы задач. Характерно еще и то, что он дает устойчивые оптимальные решения в условиях частичной определенности модели (когда при некоторых значениях параметров модель объекта не существует, либо процесс в этом состоянии еще не описан, либо модель не реализуема с вычислительной точки зрения – деление на ноль, отрицательное подкоренное выражение, не определенные тригонометрические функции типа аrссоs, аrctg и т.п.) Разработанный случайно-генетический алгоритм решает все задачи надежно и точно. Прилагается набор тестов, подтверждающих данные заявления |
||