*
*


CAPTCHA Image   Reload Image
X

Исследование работы генетического алгоритма для решения задач безусловной оптимизации

дипломные работы, информационные технологии

Объем работы: 19стр+приложения+ПО

Год сдачи: 2009

Стоимость: 4000 руб.

Просмотров: 714

 

Не подходит работа?
Узнай цену на написание.

Оглавление
Введение
Заключение
Заказать работу
1. Введение. 3
1.1. Актуальность работы. 3
1.2. Цель работы. 4
1.3. Задачи для достижения цели. 5
2. Глава 1. Общие теоретические сведения. 6
2.1. Задача оптимизации. 6
2.2. Генетический алгоритм. 6
2.3. Мультистарт локального спуска. 8
2.4. Метод Монте-Карло. 8
3. Глава 2. Программная реализация алгоритмов. 9
3.1. Генетический алгоритм. 9
3.2. Мультистарт локального спуска. 10
3.3. Метод Монте-Карло. 11
4. Глава 3. Результаты численных исследований. 12
5. Заключение. 19
1.1. Актуальность работы.
При решении задач оптимизации сложных систем часто встречаются следующие ситуации:
• Вычислительная сложность - математическое выражение целевого функционала либо отсутствует вообще, либо целевой функционал вычисляется как последовательность сложных нелинейных математических преобразований.
• Априорные сведения о свойствах целевого функционала отсутствуют. Оптимизация производится только по измерениям функционала в фиксированных точках.
• С объектом нельзя активно экспериментировать, оптимизация производится по модели объекта.
• Объект нестационарный – положение экстремума может меняться во времени.
• Размерность задачи высока.
• Переменные задачи выражены в различных шкалах измерения.
• Оптимизируемый функционал не линеен и многоэкстремален, в допустимой области существуют множества постоянства.
• Допустимая область ограничена - наличие ограничений типа равенств и неравенств (ограничения также могут обладать выше перечисленными свойствами).
• Оптимизация производится по многим экстремальным критериям одновременно – многокритериальная оптимизация.
Применение классических методов оптимизации в подобных задачах крайне затруднено или не возможно вовсе, поэтому задача разработки адаптивных стохастических методов прямого поиска является весьма актуальной. Предложенные в 1975 году Джоном Холландом генетические алгоритмы основаны на принципах естественного отбора Ч. Дарвина. Эти алгоритмы успешно применяются во многих науках – физике, экономике и технических науках.
В то время как количество точек поискового пространства растет по показательной функции, минимально необходимый вычислительный ресурс (количество вычислений целевой функции) для достижения сто процентной надежности генетического алгоритма растет полиномиально.
Генетический алгоритм может противостоять эффекту комбинаторного взрыва количества точек поискового пространства с увеличением размерности поискового пространства.

После офорления заказа Вам будут доступны содержание, введение, список литературы*
*- если автор дал согласие и выложил это описание.

Эту работу можно получить в офисе или после поступления денег на счет в течении 30 минут (проверка денег с 12.00 до 18.00 по мск).
ФИО*


E-mail для получения работы *


Телефон


ICQ


Дополнительная информация, вопросы, комментарии:



CAPTCHA Image
Сусловиямиприбретения работы согласен.

 
Добавить страницу в закладки
Отправить ссылку другу