CC BY
43
чивает скорость получения необходимого решения, но и повышает точность полученного значения.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Курейчик В.М., Лебедев П.К., Лях А.В. Проблемы эволюционной адаптации в САПР, Новинтех. 1991. №3.
2. Куре йчик В.М. Методы геиети ческого поиска. Учебное пособие, Часть 1, Таганрог: Изд-во ТРТУ, 1998. 118с.
3. http://www.math.nsc.ru/AP/benchmarks/UFLP/uflp_ga.html _
4. http://www. algolist. manual.ru
5. Holland J.H. Adaptation in Natural and Artificial Systems. An Introductory Analysis with Application to Biology, Control, and Artificial Intelligence. University of Michigan, 1975, 210p.
УДК 658.512
СИ. Родзин
К ВОПРОСУ О ТЕСТИРОВАНИИ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Круг задач решаемых с использованием генетических алгоритмов (ГА) постоянно расширяется, ГА адаптируются к реальному эволюционному процессу, создаются новые разновидности генетических операторов, к ним добавляются ламар-ковские операторы [1]. Развитие методов компьютерной поддержки принятия решений требует дальнейшего совершенствования и исследования ГА [2,3]. Одним из направлений исследований в этой области является тестирование ГА.
Эффективность ГА при решении конкретной задачи принято оценивать двумя факторами: скоростью (время достижения заданного качества популяции или ее ) (
из точки локального экстремума и способность постоянно увеличивать качество
).
большинства конкретных ГА оценивалась путем тестирования решения задачи получения битового вектора с максимальным числом единичных разрядов. Чем быстрее ГА находил наилучшее решение, тем он считался эффективнее. Сейчас эта задача уже не является объективным средством тестирования. В настоящее время
,
, .
,
имеется в Лондонском Королевском Колледже [4]. В библиотеке рАРЫБ [5] собраны тестовые примеры и функции для классических задач квадратичного про.
- -
ния перестановок. В частности, пусть задано множество N={1, 2,...,п}. Если у -некоторая перестановка на множестве N то требуется максимизировать функцию :
¥,-¥ j
1- j
= 2 • , i, j = 1,2,..., n.
1=1 ¡=+1 j-1
Функция Р(¥) может иметь несколько глобальных экстремумов. Ниже в таблице для различных значений п приведены лучшие результаты.
n 10 20 30 40 50 60 70 80 90 100
Fmax(V) 163.9 833.4 2111.5 4051.7 6693.3 10064.7 14189.8 19094.2 24791.0 31301.5
Другими известными тестовыми задачами являются задачи минимизации нелинейных несепарабельных функций Розенбрука, Гриванка и Шеффера [6]:
Рк (хх, х2) = 100(х12 - х2)2 + (1 - хх)2, хх,х2 е [- 2.048;2.047],
n x2
Fg (x,, xxn ) = 1 + У !-------------------П
12 у 4000 if
x
cos(-£- ) VI
, x, e [- 512;51l],
J
sin2 J x2 + x2 - 0.5 2 2 r 1
FSi(x,,x2) = 0.5 + t------------------------F,x:,x2 e [-100;100],
,1.0 + 0.001 • (xf + x 2)]
Fs2(x1,x2) = (xf + x2)025 •[sin2(50• (xf + x2)01) +1.0}x1,x2 e [-100;100]
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Курейчик В.В. Эволюционные, синергетические и гомеостатические методы принятия решений. Таганрог: Изд-во ТРТУ, 2001.
2. Ковалев С.М., Родзин С.И. Информационные технологии: интеллектуализация обучения, моделирование эволюции, распознавание речи. Ростов-на-Дону: Изд-во СКНЦ ВШ, 2002.
3. Родзин С.И. Гибридные интеллектуальные системы на основе алгоритмов эволюционного программирования // Новости искусственного интеллекта. 2000. №3. С.159-170.
4. http: // www.mscmga.ms.ic.ac.uk/info.html
5. http: //fmatbhp1.tu-graz.ac.at/%7Ekarisch/qaplib/
6. Whitley D. et al. Building Better Test Functions // Proc. of 6th Int. Conf. on GA, San Francisco, 1995.
УДК 681.3:536.2.072
О.Б. Лебедев, АЛ. Дуккардт АЛГОРИТМ БЕССЕТОЧНОЙ ТРАССИРОВКИ СОЕДИНЕНИЙ РАЗНОЙ ШИРИНЫ
В настоящее время многократно возросла длина межсоединений в СБИС, а вместе с этим возрастают и временные задержки. В связи с этим необходимо реализовывать соединения различной ширины, что позволяет сократить временные задержки. Одним из наиболее эффективных подходов, позволяющих трассировать цепи различной ширины, является бессеточная трассировка. В этой работе рассматриваются все аспекты данной проблемы и приводится собственная модифика-.
( ) .
