Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой

Рассмотрены современные стохастические популяционные алгоритмы решения однокритериальной задачи глобальной оптимизации. Изложены методы повышения эффективности этих алгоритмов путем их гибридизации и метаоптимизации. Наряду с однокритериальной рассмотрена задача многокритериальной оптимизации и популяционные алгоритмы ее решения. Представлены методы распараллеливания указанных алгоритмов. Содержит большое число примеров решения тестовых и практически значимых задач оптимизации.

Для студентов высших учебных заведений, обучающихся по направлению подготовки 09.03.01 «Информатика и вычислительная техника». Может быть полезно для всех студентов, изучающих курс «Методы оптимизации» и близкие по тематике курсы. Материал пособия представляет интерес также для аспирантов и специалистов, использующих в своей работе методы, алгоритмы и программы оптимизации.

Список литературы

1. Аттетков А. В., Галкин С. В., Зарубин В. С. Методы оптимизации: Учебник для ВУЗов. – М.: Из-во МГТУ им. Н. Э. Баумана, 2001, 439 с.
2. Воеводин В. В.,  Воеводин  Вл. В.  Параллельные  вычисления.  СПб.:  БХВ-Петербург, 2002, 608 с.
3. Курейчик В. В.,  Курейчик В. М.,  Родзин С. И. Теория  эволюционных  вычислений. М.: ФИЗМАТЛИТ, 2012, 260 с
4. Ларичев О. И. Теория  и  методы  принятия  решений:  Учебник  для  ВУЗов.  М.: Университетская книга, Логос, 2006, 392 с
5. Рутковская Д. Нейронные сети,  генетические  алгоритмы и  нечеткие  системы: Пер. с польск. / Рутковская Д., Пилиньский М., Рутковский Л. М.: Горячая линия –Телеком, 2004, 452 с
6. Семенкин Е. С. Эволюционные  методы  моделирования  и  оптимизации  сложных систем / Семенкин Е. С. и др. // Электронные публикации НГУ. (http://library.krasu.ru/ft/ft/_umkd/22/u_lectures.pdf)
7. Черноруцкий И. Г. Методы  принятия  решений:  Учебное  пособие.  СПб.:  БХВ-Петербург, 2005, 416 с
8. Штойер Р. Многокритериальная оптимизация. М.: Радио и связь, 1992, 504 с.
9. Blum  Ch.,  Aguilera M. J.B.,  Roli A.,  Sampels M.  (Eds.)  Hybrid  Metaheuristics. An  Emerging Approach to Optimization. Springer-Verlag, Berlin, Germany, 2008, 289 pp
10. Deb K. Multi-objective  optimization  using  evolutionary  algorithms.  Chichester, UK: Wiley, 2001, 518 pp.
11. Гладков Л. А.,  Курейчик В. В.,  Курейчик В. М.,  Сороколетов П. В. Биоинспирированные методы в оптимизации. М.: ФИЗМАТЛИТ, 2009, 384 с.
12. Семенкин Е. С., Жукова М. Н., Жуков В. Г., Панфилов И. А., Тынченко В. В. Эволюционные методы моделирования и оптимизации сложных систем. Конспект лекций. Красноярск, 2007, 515 с. (http://files.lib.sfu-kras.ru/ebibl/umkd/22/u_lectures.pdf)
13. Ashlock D. Evolutionary  Computation  for  Modeling  and  Optimization.  Springer-Verlag, Berlin, Germany, 2006, 571 pp
14. Blum C.,  Andrea R.,  Michael S.  (Eds.)  Hybrid  Metaheuristics.  An  Emerging Approach to Optimization. Springer-Verlag, Berlin, Germany, 2008, Vol. 114, 290 p
15. Dos Santos W. P. (ed.). Evolutionary Computation. InTech, 2009, 582 pp.
16. Engelbrecht A. P. Computational Intelligence. An Introduction. Second Edition. John Wiley & Sons, 2007, 597 pp
17. Kita E. (ed.). Evolutionary Algorithms. InTech, 2011, 596 pp.
18. Luke S. Essentials  of  Metaheuristics,  Lulu,  2009.  (http://cs.gmu.edu/~sean/book/metaheuristics)
19. Pohlheim H. Evolutionary  Algorithms:  Overview,  Methods  and  Operators.  (http://www.geatbx.com/)
20. Yang X. S. Nature-inspired  Metaheuristic  Algorithms.  Luniver  Press,  2010,  UK, pp.  81–95
21. Suganthan P. N.,  Hansen N.,  Liang J. J.,  Deb K.,  Chen Y.P.,  Auger A.,  Tiwari S.Problem  Definitions  and  Evaluation  Criteria  for  the  CEC  2005  Special  Session  on  Real-Parameter Optimization. Technical Report / Nanyang Technological University, Singapore, 2005 (http://www.ntu.edu.sg/home/EPNSugan
22. Tang K.,  Yao X.,  Suganthan P. N.,  MacNish  C.,  Chen Y. P.,  Chen C. M., Yang Z. Benchmark Functions for the CEC’2008 Special Session and Competition on Large Scale Global Optimization. Technical Report / Nature Inspired Computation and Applications Laboratory, USTC, China, 2007. (http://nical.ustc.edu.cn/cec08ss.php
23. Zhang Q.,  Zhou A.,  Zhao  Sh.,  Suganthan P. N.,  Liu W.,  Tiwari S.  Multiobjective optimization Test Instances for the CEC 2009 Special Session and Competition. Technical Report CES-487 / The School of Computer Science and Electronic Engineering University of Essex, Colchester, C04, 3SQ, UK, 2009, 30 pp.
24. Zitzler Е.,  Deb K.,  Thiele L. Comparison  of  Multiobjective  Evolutionary Algorithms: Empirical Results // Evolutionary Computation, 2000, Vol. 8 (2), pp. 173 –195