Применение генетических алгоритмов (ГА), эффективных при решении задач оптимизации, их преимущества и недостатки. Процесс настройки и контроля параметров конкретного ГА, его влияние на эффективность решения задачи. Результаты тестирования алгоритмов.
При низкой оригинальности работы "Система поддержки принятия решений многокритериального выбора на базе коэволюционного генетического алгоритма", Вы можете повысить уникальность этой работы до 80-100%
Сибирский государственный аэрокосмический университет имени академика М.Ф.Такие задачи возникают на всех этапах поддержки принятия решений - при построении аналитических моделей (выбор структуры и параметров модели), генерировании множества допустимых альтернатив, непосредственно при выборе наилучшей альтернативы в соответствии с некоторыми критериями. Как минимум можно выделить следующие два критерия: критерий, связанный с достижением цели выбора (самый явный, очевидный - зависит от решаемой задачи) и экономический критерий, связанный с эффективностью решения задачи (учет ограниченных ресурсов как при решении задачи выбора, так и при решении исходной задачи, когда выбор сделан). Для решения задач многокритериальной оптимизации наибольшее признание в мировом научном сообществе получили такие алгоритмы как VEGA, FFGA, NPGA, NSGA2, SPEA. Использование коэволюционой схемы при решении многокритериальных задач позволит решить проблему конфигурирования алгоритма "под задачу". Как показывают численные эксперименты, последняя стратегия обеспечивает приемлемую эффективность в среднем, и при этом нет необходимости привлекать дополнительные сведения об алгоритмах и их свойствах на задаче, а значит, этот вариант лучше всего обеспечивает концепцию самонастройки ГА.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
