Актуальные проблемы авиации и космонавтики - 2018. Том 2
УДК 519.68
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ РАБОТЫ НЕПАРАМЕТРИЧЕСКОГО АЛГОРИТМА БУЛЕВОЙ ОПТИМИЗАЦИИ
Р. Ю. Нуриев, А. А. Павленко*
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: saaprepod@mail.ru
Найден способ повысить эффективность непараметрического алгоритма булевой оптимизации.
Ключевые слова: непараметрический алгоритм, эффективность.
INCREASING TO EFFICIENCY OF THE WORK NEPARAMETRICAL ALGORITHM
TO BOOLEAN OPTIMIZATION
R. U. Nuriev, А. A. Pavlenko*
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: tok-rimma@yandex.ru
In given work is found way to raise efficiency an neparametrical algorithm to boolean optimization.
Keywords: neparametrical algorithm, efficiency.
Существенно повысить эффективность работы непараметрического алгоритма булевой оптимизации можно за счет замены применяющихся методов начального разброса точек на ЛТО разброс [1].
На рис. 1 представлена зависимость шагов непараметрического оптимизационного алгоритма булевой оптимизации от числа начальных точек, при использовании J lilt разброса, UDC разброса и равномерного случайного разброса (RND)
На рис. 1 видно, что даже при небольшом количестве разбрасываемых начальных точек, непараметрический алгоритм булевой оптимизации находит экстремум, на выбранной тестовой функции, за существенно меньшее количество шагов, при использовании J lilt разброса.
Выбор СИ
а —I——\—1—I—I—i—г 10 30 50 70 90
Чясп» т»чи
Рис. 1. Зависимость шагов непараметрического оптимизационного алгоритма
Секция «Информационно-экономические системы»
На рис. 2 представлена зависимость процента нахождения экстремума непараметрического оптимизационного алгоритма булевой оптимизации от числа начальных точек, при использовании ЛТО разброса, UDC разброса и равномерного случайного разброса (RND)
На рис. 2 видно, что даже при небольшом количестве разбрасываемых начальных точек, непараметрический алгоритм булевой оптимизации существенно лучше находит экстремум, на выбранной тестовой функции, при использовании Л111т разброса [2; 3].
Выбор СИ
Рис. 2. Зависимость процента нахождения экстремума
Библиографические ссылки
1. Соболь И. М., Статников Р. Б. Выбор оптимальных параметров в задачах со многими критериями. М. : Наука, 1981.
2. Павленко А. А. Сравнительная эффективность эволюционных и статистических алгоритмов бинарной оптимизации // Решетневские чтения : материалы Всерос. науч.-практ. конф. студентов, аспирантов и молодых специалистов (10-12 ноября 1998 г., Красноярск) ; Сиб. аэро-космич. акад. Красноярск, 1998. Вып. 2.
3. Павленко А. А. Генерация ЛШ последовательностей // Информатика и системы управления : сб. науч. тр. Красноярск : НИИ ИПУ, 1998. С. 76-83.
© Нуриев Р. Ю., Павленко А. А., 2018 г.