RUDN Journal of Engineering ResearchRUDN Journal of Engineering ResearchВестник Российского университета дружбы народов. Серия: Инженерные исследования2312-81432312-8151Peoples’ Friendship University of Russia named after Patrice Lumumba (RUDN University)1670010.22363/2312-8143-2017-18-2-254-265CYBERNETICS AND MECHATRONICSИнформатика, вычислительная техника и управлениеResearch ArticleEVOLUTIONARY ALGORITHMS FOR THE PROBLEM OF OPTIMAL CONTROLЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯDiveevA IДивеевАсхат Ибрагимович

Doctor of technical sciences, professor, chief of sector of Cybernetic problems, Federal Research Centre “Computer Science and Control” of Russia Academy of Sciences, professor of department Mechanics and mechatronics, Engineering Academy, Peoples’ Friendship University of Russia (RUDN University)

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

aidiveev@mail.ruKonstantinovS VКонстантиновСергей Валерьевич

senior lecturer of department Mechanics and mechatronics, Engineering Academy, Peoples’ Friendship University of Russia (RUDN University). Research interests: Optimization algorithms, evolutionary algorithms, genetic algorithms, computational methods for problems of optimal control

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

konstantinov_sv@rudn.universityInstitution of Russian Academy of Sciences Dorodnicyn Computing Centre of RASФедеральный исследовательский центр «Информатика и управление» Российской академии наукPeoples’ Friendship University of Russia (RUDN University)Российский университет дружбы народов15122017182VOL 18, NO2 (2017)ТОМ 18, №2 (2017)25426511092017Copyright ©; 2017, Diveev A.I., Konstantinov S.V.Copyright ©; 2017, Дивеев А.И., Константинов С.В.2017Diveev A.I., Konstantinov S.V.Дивеев А.И., Константинов С.В.http://creativecommons.org/licenses/by/4.0https://journals.rudn.ru/engineering-researches/article/view/16700

The paper describes some of the popular evolutionary algorithms: genetic algorithms, differential evolution method, particle swarm optimization and bat-inspired method. With the help of these algorithms the problem of optimal control of a mobile robot is solved. For comparison the same problem is solved with the algorithm of fast gradient descent and random search. The computational experiments showed that evolutionary algorithms provide more accurate results for the optimal control problems than fast gradient descent algorithm.

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.

optimal control problemevolutionary algorithmsgenetic algorithmdifferential evolution methodparticle swarm optimizationbat-inspired methodзадача оптимального управленияэволюционные алгоритмыгенетиче-ский алгоритмалгоритм дифференциальной эволюцииметод роя частицалгоритм летучих мышейPolak E. Chislennye metody optimizatsii. M.: Mir, 1974. (In Russ).Полак Э. Численные методы оптимизации. М.: Мир, 1974. 376 с.Karpenko A.P. Sovremennye algoritmy poiskovoi optimizatsii. Algoritmy, vdokhnovlennye prirodoi. M.: Izdatel’stvo MGTU im. N.E. Baumana, 2014. (In Russ).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.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.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.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.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.Karpenko A.P. Populyatsionnye algoritmy global’noi poiskovoi optimizatsii. Obzor novykh i maloizvestnykh algoritmov. Informatsionnye tekhnologii. 2012. No. 7 P. 1—32. (In Russ).Карпенко А.П. Популяционные алгоритмы глобальной поисковой оптимизации. Обзор новых и малоизвестных алгоритмов // Информационные технологии. 2012. № 7. С. 1-32Panteleev A.V., Letova T.A. Metody optimizatsii v primerakh i zadachakh: ucheb. posobie. M.: Vysshaya shkola, 2005. (In Russ).Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах: учеб. пособие. М.: Высшая школа, 2005. 544 с