Многоуровневый алгоритм решения задачи параметрической оптимизации на основе биоинспирированных эвристик

Задачи параметрической оптимизации в настоящее время используются в различных прикладных областях. К таким задачам можно отнести прогнозирование погоды на метеостанции, расчет параметров электродвигателей, поиск весовых коэффициентов в нейронной сети. Данная задача является NP-трудной и не имеет детерминированных алгоритмов ее решения. Поэтому разработка эвристических подходов получения квазиоптимальных решений является актуальной задачей. В статье представлен гибридный бионический алгоритм для решения задач параметрической оптимизации. Также проведена серия экспериментов, где были подтверждены теоретические оценки, выявлены оптимальные значения параметров алгоритма. Временная сложность алгоритма составила $O(n^4)$. Величина временной сложности компенсируется качеством решений, полученных с помощью гибридной эвристики, для большого количества входных параметров. Так, в ходе проведения экспериментов для количества входных параметров 100 и более гибридный алгоритм ни разу не попал в локальный оптимум, а найденное решение было приближено или равнялось глобальному.