Решение собственных задач

Оптимизация представляет собой механизм разрешения неопределенностей посредством многовариантного анализа. С другой стороны, неопределенность является категорией научного познания и неизбежным атрибутом человеческого бытия вообще.

Оптимизационные задачи направлены на улучшение состояния какой-либо системы: повысить качество, увеличить прибыль, повысить скорость, дальность полета, эффективность использования ресурсов и т.д.

Существует много оптимизационных методов, каждый из которых предназначен для решения определенного класса задач, имеет свои достоинства и недостатки. Поэтому заявлять о разработке универсального оптимизационного метода не совсем корректно и, тем не менее, мы это утверждаем. Нам, в какой-то мере, удалось на основе генетического подхода и элементов случайного поиска разрешить проблему несовместимости локальности и глобальности в условиях большой размерности и неопределенности модели. При этом достигается высокая точность, сходимость, устойчивость решения непрерывных, целочисленных, дискретных и смешанных задач в рамках одного алгоритма.

(генетические алгоритмы это новый подход в моделировании, основанный на теории эволюции в биологии и использующий понятия аналогичные популяции, потомкам, родительским особям, мутации, хромосомам, генам и т.п. )


1. Основные показатели универсального алгоритма случайно-генетической оптимизации

Как известно, основными показателями оптимизационных алгоритмов является:

  1. 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).
  2. возможность отыскания глобального решения;
  3. максимально возможное количество оптимизируемых переменных;
  4. количество обращений к модели (целевой функции);
  5. точность оптимизации по параметрам и цели;
  6. 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).


2. Компоненты системы

Папка CVF это реализация «быстрой» системы случайно-генетической оптимизации в Compaq Visual Fortran.

Папка FREE – реализация системы с произвольным языком программирования.

Папка EXE-RASTRIGIN демонстрирует различные модификации решения теста Растригина. Достаточно нажать “ENTER”, чтобы запустить какой-либо пример.

Cкачайте архив с системой genoptim.rar.

В каждой папке есть свои readme.


3. Рекомендации по использованию

По всей видимости, знакомство с системой лучше начать с примеров. Откройте любую из папок sist_1, sist_2, sist_3 поддиректории FREE и запустите genoptim.exe, вы увидите так называемый медленный вариант работы системы (FREE). Затем запустите несколько EXE-файлов из папки EXE-RASTRIGIN. Посмотрите внимательно, многое станет понятным. Затем надо почитать и приступать к решению своей задачи (систем настроена на МИНИМИЗАЦИЮ).

Определитесь, в какой версии системы Вам удобно работать:

  1. либо в Compaq Visual Fortran на фортране (возможен СИ++), тогда действуйте согласно readme папки CVF;
  2. либо использовать какую-то иную систему программирования, тогда действуйте согласно readme папки FREE.

Прилагается набор тестов-задач и фортран-программ, которые можно использовать для обучения и оценки возможностей системы (скачайте архивы TEST.rar, FORT_programm.rarTEST_exe.rar TEST_exe.rar) .

В архиве TEST_exe.rar находятся EXE-файлы демонстрирующие качество работы алгоритма на тестах архива TEST.rar, раздел FORT_programm.rar содержит тексты программ на фортране этих тестов.

 
Сайт управляется системой uCoz