List of publications on a keyword: «генетический алгоритм»

В статье предложена структура модифицированного генетического алгоритма для решения задачи построения расписания проекта с учетом ограниченности ресурсов. Актуальность исследования определяется тем, что задачи теории расписаний имеют широкое применение в решении множества инженерных и управленческих задач. Научная новизна исследования определяется применением в генетическом алгоритме модифицированных операторов (кроссинговер на основе ряда чисел Фибоначчи, мутация на основе дихотомии и транспозиция) для решения задачи планирования проектов.

В данной статье рассмотрен пример использования нейронной сети для создания интеллектуального бота для игры 2048. Использована модифицированная версия генетического алгоритма, подобраны оптимальные параметры для достижения высоких результатов. Показано, что написанная программа может достигать лучших результатов, нежели среднестатистический игрок.

В статье приводится метод оптимизации работы генетического алгоритма с помощью использования нейронных сетей, которые принимают решение об использовании разных генетических операторов в зависимости от состояния популяции генетического алгоритма.

Авторами предложен подход к распределению врачебной нагрузки в медицинском учреждении на основе теории нечетких множеств с учетом профессиональных характеристик врачей, их специализаций и набора предоставляемых услуг.

The article presents the definition of dynamic linear neighborhood models. An algorithm for finding optimal solutions using genetic algorithm has been describes. Solution of system of linear equations is reduced to the problem of optimization. It shows the example parametric identification of neighborhood model, consisting of three parcels, as a solution to the system of linear equations with the use of a genetic algorithm and the pseudo-inversion. The authors calculated RMS and average absolute errors for model identification using genetic algorithm and the pseudo-inversion. On the basis of the developed system the researchers verified the modeling results and determined the optimal method of identifying neighborhood model.

Pадача о ранце (рюкзаке) — одна из задач комбинаторной оптимизации. Подобные задачи часто возникают в экономике, прикладной математике, криптографии. Данная статья содержит описание генетического алгоритма решения задачи о ранце.

В данной работе производится оценка эффективности алгоритмов оптимизации для задачи нелинейного программирования. Критериями оценки являются эффективность решения задачи, затраченное время, использованная память. В качестве эталонного, в смысле эффективности решения задачи, выбран алгоритм случайной оптимизации. Оценка алгоритмов производится в среде web, что подразумевает реализацию их на языке, используемом для программирования web-приложений.

В настоящей работе рассмотрены алгоритмы, основанные на принципах бионики, применяемые для решения сложных задач, а также проведены эксперименты для сравнения производительности этих алгоритмов.

В статье обсуждаются результаты совместного использования аппроксимации Розенблатта–Парзена и метода мнимых источников для оценки параметров случайной величины со смешанным двумодальным распределением. На первом этапе вычислялись оценки функции плотности распределения с помощью аппроксимации Розенблатта–Парзена, по которым оценивались математические ожидания. На втором этапе с помощью генетических алгоритмов вычислялись оценки остальных параметров. Анализ результатов применения предложенной методики для оценки значений параметров двумодальных распределений позволяет сделать следующие выводы: при использовании генетических алгоритмов для нахождения одновременно всех девяти параметров изучаемого распределения погрешности оценок превышают 50%, что является следствием высокой размерности решаемой задачи. Предложена методика последовательного нахождения параметров двумодального распределения.

В данной работе автор пытается ответить на вопрос «Как влияет вероятность мутации на сходимость алгоритма?». Целевая функция представляет собой функцию f (x1, y2). Конечным результатом работы является программное обеспечение, которое проводит исследование эффективности генетического алгоритма при варьировании вероятности мутации.