Abstract
При решении практически значимых задач глобальной оптимизации целевая функция зачастую имеет высокую размерность и вычислительную сложность, а также нетривиальный ландшафт. Исследования показывают, что зачастую одного метода оптимизации недостаточно для эффективного решения такого рода задач – необходима гибридизация нескольких методов оптимизации.
Highlights
В работе представлена мульти-меметическая модификация простого алгоритма эволюции разума с использованием случайной гиперэвристики
В то же время, исследования [3,4] показывают, что зачастую одного метода недостаточно – необходима его модификация путем гибридизации с другими методами оптимизации
В заключении аналогичные эксперименты были проведены для каждого мема в отдельности
Summary
Для принятия решений он учитывает как влияние со стороны своей группы, так и со стороны членов других групп. Для достижения высокого положения в группе, ему нужно учиться у наиболее успешных индивидов этой группы. Операция инициализации групп создает группы и размещает их в области поиска. . Схема этой операции для группы имеет следующий берем информацию о текущем индивиде-победителе группы. Как индивида данной группы, который имеет минимальный текущий счет. 1) С глобальной доски объявлений считываем текущие счета победителей групп. Если счет группы ниже счетов всех лидирующих групп, то удаляем группу из популяции. 3) С помощью операции инициализации взамен каждой из удаленных групп инициализируем новую группу. Операции локальных состязаний и диссимиляции итерационно повторяем до тех пор, пока имеет место увеличение максимального счета лидирующих групп. При прекращении роста этого показателя, решение задачи, соответствующее победителю лучшей из лидирующих групп, объявляем искомым приближением к решению задачи (1)
Sign-in/Register to view highlights & summary 
Published Version (
Free)
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call