ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ

Обложка

Аннотация


В работе приведено описание некоторых популярных эволюционных алгоритмов: генети-ческого алгоритма, алгоритма дифференциальной эволюции, метода роя частиц и алгоритма летучих мышей. С помощью эволюционных алгоритмов решается задача оптимального управ-ления мобильным роботом. Для сравнения эта же задача решается алгоритмами наискорей-шего градиентного спуска и случайного поиска. Вычислительные эксперименты показали, что эволюционные алгоритмы дают результаты решения задачи оптимального управления лучше, чем градиентный алгоритм.


Асхат Ибрагимович Дивеев

Лицо (автор) для связи с редакцией.
aidiveev@mail.ru
Федеральный исследовательский центр «Информатика и управление» Российской академии наук; Российский университет дружбы народов ул. Вавилова, 44, Москва, Россия, 119333; ул. Миклухо-Маклая, 6, Москва, Россия, 117198

доктор технических наук, профессор, заведующий сектором проблем кибернетики Федерального исследовательского центра «Информатика и управление» Российской академии наук, профессор департамента Механики и мехатроники инженерной академии Российского университета дружбы народов. Сфера научных интересов: вычислительные методы для решения задач управления

Сергей Валерьевич Константинов

konstantinov_sv@rudn.university
Российский университет дружбы народов ул. Миклухо-Маклая, 6, Москва, Россия, 117198

старший преподаватель департамента Механики и мехатроники инженерной академии Российского университета дружбы народов. Сфера научных интересов: методы оптимизации, эволюционные алгоритмы, генетические алгоритмы, вычислительные методы решения задач оптимального управления

  • Полак Э. Численные методы оптимизации. М.: Мир, 1974. 376 с.
  • Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Издательство МГТУ им. Н.Э. Баумана, 2014. 448 с.
  • Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison- Wesley. 1989. 412 p.
  • Storn R., Price K. Differential Evolution - A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces / Journal of Global Optimization. 1997. No. 11. P. 341-359.
  • Kennedy J., Eberhart R. Particle Swarm Optimization / Proceedings of IEEE International Conference on Neural Networks IV. 1995. P. 1942-1948.
  • Yang Xin-She. A New Metaheuristic Bat-Inspired Algorithm, in: Nature Inspired Cooperative Strategies for Optimization (NISCO 2010). Studies in Computational Intelligence. Berlin: Springer, 2010. Vol. 284. P. 65-74.
  • Карпенко А.П. Популяционные алгоритмы глобальной поисковой оптимизации. Обзор новых и малоизвестных алгоритмов // Информационные технологии. 2012. № 7. С. 1-32
  • Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах: учеб. пособие. М.: Высшая школа, 2005. 544 с

Просмотры

Аннотация - 150

PDF (Russian) - 221


© Дивеев А.И., Константинов С.В., 2017

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.