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:
- универсальность - принципиальная возможность решения широкого класса задач:
- гладкие непрерывные оптимизационные задачи;
- целочисленные оптимизационные задачи;
- дискретные оптимизационные задачи;
- смешанные оптимизационные задачи (сочетание эффектов первых трех типов).
- возможность отыскания глобального решения;
- максимально возможное количество оптимизируемых переменных;
- количество обращений к модели (целевой функции);
- точность оптимизации по параметрам и цели;
- вычислительная трудоемкость непосредственно оптимизационного алгоритма (временные затраты на реализацию вычислительных процедур).
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
(скачайте архив TEST_exe.rar TEST_exe.rar).
