Главная | RSS News
 
 

Пакеты прикладных программ, реализующие генетические алгоритмы

Genesis – пакет прикладных программ, написанный на языке Си. Данный пакет оказал значительное стимулирующее влияние на разработку приложений генетических алгоритмов и породил ряд последующих его версий и расширений (GENEsYs, PARAGenesis, GAS и др.).
Genitor – этот пакет имеет модульную структуру, позволяет работать с данными в виде чисел с плавающей запятой, целых чисел или двоичных кодов, допускает использование многоточечных операторов кроссинговера, моделирование поведения субпопуляций, т.е. групп близких по своему составу индивидуумов внутри популяции и т.д.
SGA-C – пакет написан на языке Си и является расширением первоначального пакета Simple Genetic Algorithm (SGA), разработанного на языке Паскаль.
Splicer – пакет прикладных программ генетических алгоритмов, созданный по заказу Центра космических исследований NASA. Поддерживает дружественный интерфейс со встроенной библиотекой стандартных подпрограмм, предоставляя пользователю возможность выбора различных вариантов кодирования данных, представления функций пригодности, генерирования начальной популяции, задания вида и параметров генетических операций (метода отбора, кроссинговера, мутаций), графического отображения основных этапов реализации генетических алгоритмов.
GALOPPS – универсальный пакет программ для реализации генетических
алгоритмов на языке Си, имеющий ту же структуру, что и SGA. Пользователь имеет возможность выбрать: тип и размерность задачи (изменение характера данных) один из семи возможных вариантов выполнения кроссинговера и четыре варианта мутации один из шести методов отбора требуемые значения вероятностей при реализации генетических операторов критерии останова и т.д. Пакет GALOPPS предусматривает также возможность различного представления данных в каждой субпопуляции, контроля за процессами генерации потомков, отбора элитных индивидуумов и др.
Genie – пакет программ для решения задач моделирования и прогнозирования на основе генетических алгоритмов. Используя данный пакет, можно построить модель окружающей среды и затем оценить влияние различных факторов (возмущений) на изменение состояния этой среды, в том числе спрогнозировать такие необходимые воздействия на среду, которые приведут к достижению желаемого ее состояния в будущем.
Matlab-GAOT – пакет программ многопараметрической оптимизации, позволяющий использовать стандартный генетический алгоритм в среде Matlab 5.Х. Оптимизируемая функция оформляется в виде отдельного m-файла. В число основных настраиваемых параметров генетических алгоритмов входят: размер популяции, вероятности реализации операторов генетических алгоритмов, максимальное число поколений и т.д. Мощные средства Matlab позволяют визуально контролировать процесс оптимизации.
MultiOpt – программная система [217] эффективно решает задачи многокритериальной оптимизации управления космическими аппаратами, преодолевая многошкальность за счет задействования генетического алгоритма, а система MixOpt эффективно решает многошкальные задачи, если они сведены к однокритериальной оптимизации.
Программная система в работе [87], построенная на основе эволюционно-генетических подходов, предназначена для решения трех различных классов задач безусловной, нелинейной и многокритериальной оптимизации. Исходные задачи сводятся к единой модели поиска оптимальных вершин в многомерном гиперкубе. Реализован генетический алгоритм, который в отличие от традиционных имеет следующие особенности:
– изменена последовательность выполнения основных генетических операторов, предлагаемый алгоритм применяет оператор отбора на заключительном этапе каждой итерации алгоритма, отбор осуществляется из репродукционного множества, аккумулирующего в себе все решения, как старые, так и вновь формируемые в процессе поиска
– для решения многокритериальных задач предложен новый оператор отбора, формирующий популяцию нового поколения из парето-оптимальных решений
– для учета ограничений использованы штрафные функции
– сформирована библиотека основных генетических операторов, позволяющая выбирать в процессе поиска один из нескольких вариантов скрещивания, мутации и естественного отбора
– наличие возможности самоадаптации операторов алгоритма с использованием стохастических автоматов, настраиваемых в процессе поиска.
Данный алгоритм позволяет решать три класса задач: быстрый поиск оптимального или квазиоптимального решения, локализация наибольшего числа глобальных решений и построение 3-мерного ландшафта исследуемой модели. Также рассмотрены результаты решения двух реальных задач: расчет зубчатой передачи (4 проектных параметра, многоэкстремальная нелинейная целевая функция – ошибка между получаемым и требуемым коэффициентами зубчатой передачи, мощность пространства решений составляет 494) и расчет жесткости пружины (3 проектных параметра, нелинейная целевая функция, имеющая 7 линейных и нелинейных ограничений – жесткость пружины).

Прочитало: 2614
 
 
Календарь
 
«    Октябрь 2013    »
ПнВтСрЧтПтСбВс
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
 
 
 

Меню
  »  Классификация портов проникновения ЭМИ
»  Задачи ЭМС ЭС при внешних воздействиях
»  Средства электромагнитного террора
»  Методы и средства анализа воздействия ЭМИ на ЭС
»  Анализ эффективности экранирования корпусов ЭС
»  Экранирование э.-м. воздействий стенами ИЗ
»  Цель и методы оптимизации
»  Оптимизация внутриаппаратурной ЭМС межсоединений
»  Многокритериальная оптимизация
 
 

Архивы
 Октябрь 2008 (17)
Сентябрь 2008 (30)
Август 2008 (19)
 
 

Популярное
   
 

Реклама
  Баон распродажа
Статьи
Ещё
 
 

 
 
E-M-P.Ru 1, 2