БИОИНСПИРИРОВАННЫЙ ПОИСК В ПОЛНОМ ГРАФЕ СОВЕРШЕННОГО ПАРОСОЧЕТАНИЯ МАКСИМАЛЬНОЙ МОЩНОСТИ
Аннотация
Разработана реконфигурируемая архитектура гибридной многоагентной системы поиска
решений, базирующиеся на парадигмах роевых алгоритмов. Реконфигурируемая архитектура пу-
тем настройки позволяет реализовать следующие методы гибридизации: высокоуровневую и низ-
коуровневую гибридизацию вложением, типа препроцессор/постпроцессор, ко-алгоритмическую
на базе одного или нескольких типов алгоритмов. Предложена методология синтеза совершенного
паросочетания минимального веса в полном графе, основанная на базовых принципах гибридизации
поисковых. эволюционных процедур. В работе агентами роя являются трансформирующиеся хро-
мосомы, являющиеся генотипами решения. В качестве кода решения используется упорядоченный
список множества вершин графа. Разработана структура упорядоченного кода паросочетания
главное достоинство которого заключается в том, что одному решению (паросочетанию) соот-
ветствует один код и наоборот. Определены свойства упорядоченного кода и разработаны алго-
ритмы кодирования и декодирования. Работа гибридной системы начинается с генерации роем
пчел случайным образом произвольного множества отличающихся друг от друга решений в виде
исходного множества хромосом. Ключевой операцией пчелиного алгоритма является исследование
перспективных решений и их окрестностей в пространстве поиска. Разработан метод формиро-
вания окрестностей решений с регулируемой степенью подобия и близости между ними. На по-
следующих этапах работы многоагентной системы выполняется поиск решений процедурами,
построенными на основе гибридизации роевого и муравьиного алгоритмов. Отличительной осо-
бенностью гибридизации является сохранение автономии гибридизируемых алгоритмов. Отме-
тим, что для представления решений в алгоритмах используется единая структура данных, что
упрощает стыковку разработанных процедур. Предлагается подход к построению модифициро-
ванной парадигмы роя трансформирующихся хромосом. Поиск решений выполняющая в аффинном
пространстве. В процессе поиска осуществляется перманентные трансформации (переход) хро-
мосом в состояния с лучшим значением целевой функции решения (градиентная стратегия). Про-
цесс поиска решений итерационный. На каждой итерации осуществляется трансформация (пере-
ход) хромосом в состояния с лучшими значениями целевой функции решения. Целью трансформа-
ции хромосомы, тяготеющей к лучшей хромосоме, в новое состояние является минимизация сте-
пени различия, путем изменения взаимного расположения элементов в упорядоченном списке, что
соответствует увеличению веса аффинной связи. Обновленные после трансформации хромосомы
являются, в свою очередь, базовыми точками в последующих трансформациях. В результате экс-
периментов было установлено, что показатели качества разработанных алгоритмов имеют бо-
лее высокие значения чем в работах, представленных в литературе
