Система керування гібридним еволюційним алгоритмом на основі моделі змішування думок експертів
Основний зміст сторінки статті
Анотація
У цій статті пропонується система управління гібридним еволюційним алгоритмом на базі моделі змішування думок експертів. Основним елементом пропонованої системи є дворівнева модель класифікації оптимізаційних задач. Ця модель дозволяє отримати максимум інформації про задачу, класифікувати її та направити алгоритм оптимальним шляхом рішення
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
H. Ishibuchi, T. Yoshida, and T. Murata, “Balance between genetic search and local search in memetic algorithms for multiobjective permutation flowshop scheduling”, IEEE Transactions on Evolutionary Computation, vol. 7, no. 2, pp. 204–223, Apr. 2003. DOI:10.1109/TEVC.2003.810752
Titterington О., A. Smith, and E. Makov, StatisticalAnalysis of Finite Mixture Distributions, New York: Wiley, 1985.
S. Khaikin, Neural networks: full course, 2nd ed. Moscow: Publishing House"Williams", 2006, p. 1104.
Y. Kalnibolotsky and O. Khrustavka, “Modifications of genetic algorithms”, Electronics and communications, no. 5, pp. 54–61, 2008.
O. Khrustavka, “Base of rules for choosing a combination of genetic operators for a hybrid evolutionary algorithm”, in IX International Scientific Conference “Intellectual Analysis of Information IAI-2009".
N. Draper and G. Smith, Applied regression analysis. Multiple regression, 3rd ed. Moscow: “Dialektika”, 2007, p. 912.
