Loading [MathJax]/jax/output/SVG/config.js
Автоматика и телемеханика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор
Правила для авторов
Загрузить рукопись

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Автомат. и телемех.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Автоматика и телемеханика, 2021, выпуск 6, страницы 3–45
DOI: https://doi.org/10.31857/S0005231021060015
(Mi at15496)
 

Эта публикация цитируется в 7 научных статьях (всего в 7 статьях)

Обзоры

Методы повышения эффективности роевых алгоритмов оптимизации

И. А. Ходашинский

Томский государственный университет систем управления и радиоэлектроники
Список литературы:
Аннотация: Роевые алгоритмы относятся к классу популяционных метаэвристических методов оптимизации. Несмотря на использование различных метафор, большинство роевых алгоритмов имеют схожую структуру, в них можно выделить такие общие компоненты, как инициализация популяции решений, диверсификация и интенсификация решений. На основании концепции общности был проведен анализ ключевых подходов, методов и способов повышения эффективности роевых алгоритмов оптимизации. В обзоре роевые алгоритмы оптимизации рассматриваются как совокупность операторов, без детального обсуждения каждого алгоритма, основное внимание сосредоточено на анализе ключевых компонентов алгоритмов. Основная идея повышения эффективности заключается в соблюдении баланса между диверсификацией и интенсификацией. В этом контексте рассмотрены механизмы поддержки популяционного разнообразия, методы настройки и регулировки параметров роевых алгоритмов, подходы к гибридизации алгоритмов, обозначено несколько открытых проблем, связанных с темой обзора.
Ключевые слова: оптимизация, метаэвристики, роевые алгоритмы, диверсификация, интенсификация.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 19-17-50050
Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (проект № 19-17-50050).
Статья представлена к публикации членом редколлегии: В. М. Вишневский

Поступила в редакцию: 25.06.2020
После доработки: 31.10.2020
Принята к публикации: 08.12.2020
Англоязычная версия:
Automation and Remote Control, 2021, Volume 82, Issue 6, Pages 935–967
DOI: https://doi.org/10.1134/S0005117921060011
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: И. А. Ходашинский, “Методы повышения эффективности роевых алгоритмов оптимизации”, Автомат. и телемех., 2021, № 6, 3–45; Autom. Remote Control, 82:6 (2021), 935–967
Цитирование в формате AMSBIB
\RBibitem{Hod21}
\by И.~А.~Ходашинский
\paper Методы повышения эффективности роевых алгоритмов оптимизации
\jour Автомат. и телемех.
\yr 2021
\issue 6
\pages 3--45
\mathnet{http://mi.mathnet.ru/at15496}
\crossref{https://doi.org/10.31857/S0005231021060015}
\elib{https://elibrary.ru/item.asp?id=46883506}
\transl
\jour Autom. Remote Control
\yr 2021
\vol 82
\issue 6
\pages 935--967
\crossref{https://doi.org/10.1134/S0005117921060011}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000672497000001}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85109864837}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/at15496
  • https://www.mathnet.ru/rus/at/y2021/i6/p3
  • Эта публикация цитируется в следующих 7 статьяx:
    1. I. A. Hodashinsky, “Population Diversity Management of Swallow Swarm Optimization Algorithm for Fuzzy Classification Problem”, Autom. Doc. Math. Linguist., 58:3 (2024), 182  crossref
    2. M. Bardamova, M. Svetlakov, K. Sarin, A. Hodashinskaya, Y. Shurygin, I. Hodashinsky, “Population Generation Methods for Metaheuristic Algorithms Used to Construct Compact Fuzzy Classifiers of Medical Data”, Pattern Recognit. Image Anal., 34:3 (2024), 396  crossref
    3. K. S. Sarin, “Discrete Optimization Algorithm Based on Probability Distribution with Transformation of Target Values”, Program Comput Soft, 50:6 (2024), 445  crossref
    4. Yousef Abdi, Mohammad Asadpour, “On the impact of information-sharing model between subpopulations in the Island-based evolutionary algorithms: search manager framework as a case study”, J Supercomput, 79:13 (2023), 14245  crossref
    5. R. O. Ostapenko, I. A. Hodashinsky, Yu. A. Shurygin, “Using the Grasshopper Optimization Algorithm for Fuzzy Classifier Design”, Autom. Doc. Math. Linguist., 57:6 (2023), 333  crossref
    6. Nikhil Aditya, Siba Sankar Mahapatra, “Switching from exploration to exploitation in gravitational search algorithm based on diversity with Chaos”, Information Sciences, 635 (2023), 298  crossref
    7. Yinzhao Zhang, Wei Sun, Jun Hou, Qianmu Li, 2023 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech), 2023, 0549  crossref
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Автоматика и телемеханика
    Статистика просмотров:
    Страница аннотации:253
    PDF полного текста:29
    Список литературы:35
    Первая страница:20
     
      Обратная связь:
    math-net2025_02@mi-ras.ru
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025