ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ
- Авторы: Дивеев А.И.1,2, Константинов С.В.2
-
Учреждения:
- Федеральный исследовательский центр «Информатика и управление» Российской академии наук
- Российский университет дружбы народов
- Выпуск: Том 18, № 2 (2017)
- Страницы: 254-265
- Раздел: Информатика, вычислительная техника и управление
- URL: https://journals.rcsi.science/2312-8143/article/view/335348
- DOI: https://doi.org/10.22363/2312-8143-2017-18-2-254-265
- ID: 335348
Цитировать
Полный текст
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.
Об авторах
Асхат Ибрагимович Дивеев
Федеральный исследовательский центр «Информатика и управление» Российской академии наук; Российский университет дружбы народов
Автор, ответственный за переписку.
Email: aidiveev@mail.ru
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
ул. Вавилова, 44, Москва, Россия, 119333; ул. Миклухо-Маклая, 6, Москва, Россия, 117198Сергей Валерьевич Константинов
Российский университет дружбы народов
Email: konstantinov_sv@rudn.university
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
ул. Миклухо-Маклая, 6, Москва, Россия, 117198Список литературы
- Polak E. Chislennye metody optimizatsii. M.: Mir, 1974. (In Russ).
- Karpenko A.P. Sovremennye algoritmy poiskovoi optimizatsii. Algoritmy, vdokhnovlennye prirodoi. M.: Izdatel’stvo MGTU im. N.E. Baumana, 2014. (In Russ).
- Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, 1989.
- 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.
- Karpenko A.P. Populyatsionnye algoritmy global’noi poiskovoi optimizatsii. Obzor novykh i maloizvestnykh algoritmov. Informatsionnye tekhnologii. 2012. No. 7 P. 1—32. (In Russ).
- Panteleev A.V., Letova T.A. Metody optimizatsii v primerakh i zadachakh: ucheb. posobie. M.: Vysshaya shkola, 2005. (In Russ).
Дополнительные файлы
