Перевод названия: САМОКОНФИГУРИРУЕМЫЙ ГЕНЕТИЧЕСКИЙ АЛГОРИТМ НА БАЗЕ МНОЖЕСТВА СТРАТЕГИЙ ПОИСКА В НЕСТАЦИОНАРНОЙ СРЕДЕ
Тип публикации: статья из журнала
Год издания: 2015
Ключевые слова: Dynamic optimization, Non-stationary environment, self-configuring, genetic algorithm, coevolution, динамическая оптимизация, нестационарная оптимизация, самоконфигурация, генетический алгоритм, коэволюция
Аннотация: Many real-world problems of design and control in a field of the aerospace lead to optimization problems. Such optimization problems are complicated and become a great challenge to many optimization techniques. Moreover, many real-world optimization problems are dynamic and changing over time. Changes occur in the parameters, objecПоказать полностьюtives and/or problem constraints. In this case, search algorithms should have the capability to track moving optima and adapt to a new environment. In past years many approaches for non-stationary optimization were proposed. The best results are achieved using a stochastic population-based search such as evolutionary and genetic algorithms. Unfortunately, real-world non-stationary optimization problems include various types of changes and are poorly predictable, thus there is a problem of choosing a proper optimization technique and tuning its parameters. This study presents a novel approach for designing a multi-strategy genetic algorithm based on a hybrid of the island model, cooperative and competitive coevolution schemes. The approach controls interactions of different genetic algorithms and leads to the self-configuring solving of problems with a priori unknown structure. A short survey on non-stationary optimization problem and methods is presented. The results of numerical experiments for benchmark problems from the CEC competition are discussed. The proposed approach has demonstrated efficiency comparable with other well-studied techniques for non-stationary optimization. And it has significant advantage - it does not require the participation of the human-expert, because it operates in an automated, self-configuring way. Многие практические задачи проектирования и управления в аэрокосмической отрасли приводят к задачам оптимизации. Подобные задачи являются сложными и затрудняют применение многих методов оптимизации. Более того, многие практические задачи оптимизации являются динамическими и меняются с течением времени. Изменения происходят в параметрах задачи, целевых функциях и/или ограничениях. В этом случае алгоритмы оптимизации должны иметь возможность отслеживать меняющие положение оптимумы и постоянно адаптироваться к новой среде. Ранее было предложено множество подходов для решения задач нестационарной оптимизации. Наилучшие результаты демонстрируют стохастические популяционные алгоритмы, такие как эволюционные и генетические алгоритмы. Представлен новый подход для проектирования генетического алгоритма, включающего множество стратегий поиска, который основан на гибридизации островной модели, кооперативной и конкурирующей коэволюционных схем. Такой подход осуществляет управление взаимодействием многих генетических алгоритмов, что приводит к самоконфигурируемому решению задач оптимизации с априори неизвестной структурой. Представлен краткий обзор проблемы и методов решения задач нестационарной оптимизации. Приводится анализ результатов численных экспериментов на множестве задач, представленных на соревновании по нестационарной оптимизации в рамках международной конференции CEC. Предложенный подход демонстрирует эффективность, сравнимую с другими хорошо изученными подходами для решения задач нестационарной оптимизации. При этом подход имеет существенное преимущество - он не требует привлечения специалиста, так как является самоконфигурируемым и решает задачу оптимизации в автоматизированном режиме.
Журнал: Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева
Выпуск журнала: Т. 16, № 1
Номера страниц: 124-130
ISSN журнала: 18169724
Место издания: Красноярск
Издатель: Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева