МЕТАЭВРИСТИЧЕСКИЙ МЕТОД ОПТИМИЗАЦИИ НА ОСНОВЕ МОДЕЛИ ПОВЕДЕНИЯ СТВОЛОВЫХ КЛЕТОК

  • Е. В. Данильченко Южный федеральный университет
  • В. И. Данильченко Южный федеральный университет
  • В. М. Курейчик Южный федеральный университет
Ключевые слова: Бионспирированный поиск, графы и гиперграфы, эволюционные вычисления, САПР, проектирование электронных средств, мета-эвристическое моделирование, методы оптимизации, стволовая клетка

Аннотация

Рассматриваются методы оптимизации, которые основаны на процессах, происходящих
в природе. Такие методы стали все чаще применяться для решения сложных задач. Но у таких
методов существуют некоторые недостатки, что стимулирует разработку новых и более
совершенных методов оптимизации. Решение NP полных задач требует оптимальных мето-
дов, которые будут отвечать всем требованиям проектирования, поэтому существует необ-
ходимость в разработке новых и более совершенных методик решения данного класса задач.
В качестве такого метод ода в работе авторами предлагается метод оптимизации на основе
модели поведения стволовых клеток в естественной среде. Проведенные исследования предла-
гаемого метода дают решения, которые смогут преодолеть многие недостатки стандартных
подходов оптимизации, такие как: попадание в локальный оптимум или низкую скорость схо-
димости алгоритма на основе рассматриваемого метода. Цель данной работы заключается в
разработке метода оптимизации и алгоритма на его основе, для решения сложной целевой
функции. Научная новизна заключается в разработке метода оптимизации на основе модели
поведения стволовых клеток для решения NP полных задач. В работе преследуется задача соз-
дать условия для оптимального поиска решения сложных функций путем применения, метода
поиска и на его основе алгоритма поведения стволовых клеток. Практическая ценность рабо-
ты заключается в разработке нового метаэвристического метода оптимизации для эффек-
тивного решения NP полных задач. Так же в работе проведён сравнительный анализ с извест-
ными конкурентами. Главное отличие предложенного метода от других известных методов в
применении нового подхода бионспирированного поиска на основе поведения стволовых клеток,
которые, как показало практическое сравнение, имеет преимущество над известными анало-
гами. Итоги практического сравнения методов и алгоритмов на их основе, показали преимуще-
ства предложенного в работе подхода на известных тестовых функциях. Проведя анализ про-
блемы создания методов, алгоритмов и программного обеспечения для решения NP полных за-
дач, можно сделать вывод, что в настоящее время разработка подобных подходов является
актуальной задачей.

Литература

1. Danil'chenko V.I., Kureychik V.M. Geneticheskiy algoritm planirovaniya razmeshcheniya
SBIS [Genetic algorithm of VLSI placement planning], Izvestie YuFU. Tekhnicheskie nauki
[Izvestiya SFedU. Engineering Sciences], 2019, No. 2 (204), pp. 26-34.
2. Danil'chenko V.I., Danil'chenko E.V. Kureychik V.M. Klassifikatsiya i analiz metodov resheniya
zadachi razmeshcheniya SBIS [Classification and analysis of methods for solving the VLSI
placement problem], Informatika, vychislitel'naya tekhnika i inzhenernoe obrazovanie [Informatics,
computer engineering and engineering education], 2018, Issue 1.
3. Danilchenko V.I., Danilchenko Y.V., Kureichik V.M. Bio-inspired Approach to Microwave Circuit
Design, IEEE EAST-WEST DESIGN & TEST SYMPOSIUM. EWDTS 2020, pp. 362-366.
DIO: 10.1109/EWDTS 50664.2020.9224737.
4. Kalent'ev A.A., Garays D.V., Dobush I.M., Babak L.I. Strukturno-parametricheskiy sintez
SVCH tranzistornykh usiliteley na osnove geneticheskogo algoritma s ispol'zovaniem modeley
monolitnykh elementov [Structural-parametric synthesis of microwave transistor amplifiers
based on a genetic algorithm using models of monolithic elements], Doklady TUSURa [Proceedings
of TUSUR University], 2012, No. 2 (26), Part 2, pp. 104-112.
5. Tang, Maolin and Yao, Xin. A memetic algorithm for VLSI floorplanning, IEEE Transactions
on Systems, Man, And Cybernetics–Part B: Cybernetics, 2007, No. 37 (1).
6. Goryainov A.E., Dobush I.M., Babak L.I. Postroenie parametricheskikh modeley passivnykh
komponentov SVCh monolitnykh integral'nykh skhem s ispol'zovaniem programmy Extraction-
P [Construction of parametric models of passive components of microwave monolithic integrated
circuits using the Extraction-P program], Doklady TUSURa [Proceedings of TUSUR
University], 2012, No. 2 (26), pp. 98-103.
7. Kokolov A.A., Salnikov A.S., Sheyerman F.I. and Babak L.I. Broadband Double-Balanced SiGe
BiCMOS Mixer With Integrated Asymmetric MBaluns, Int. Conf. “Dynamics of Systems,
Mechanisms and Machines” (Dynamics-2017), Omsk, Russia, 2017 (accepted for publication).
8. Bocklemann D.E. and Eisenstadt W.R. Combined Diff erential and Common-Mode Scattering
Parameters: Theory and Simulation, IEEE Trans. on Microwave Theory and Techniques, July
1995, Vol. MTT-43, No. 7, pp. 520-523.
9. Golitsyn G.A. Petrov V.M. Informatsiya i biologicheskie printsipy optimal'nosti: Garmoniya i
algebra zhivogo [Information and biological principles of optimality: Harmony and algebra of
the living]. Moscow: KomKniga 2005.
10. Kolesov Yu.B., Senichenkov Yu.B. Modelirovanie sistem. Dinamicheskie i gibridnye sistemy:
ucheb.- metod, posobie [Modeling of systems. Dynamic and hybrid systems: an educational
and methodological guide]. Saint Petersburg: BKhV-Peterburg, 2006.
11. Abraham A., Grosan G., Ramos V. Swarm Intelligence in Data Mining. Berlin. Heidelberg:
SpringerVerlag, 2007, 267 p.
12. Kureychik V.V., Kureychik V.M., Sorokoletov P.V. Analiz i obzor modeley evolyutsii [Analysis
and review of evolution models], Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy
upravleniya [Proceedings of the Russian Academy of Sciences. Theory and control systems],
2007, No. 5, pp. 114-126.
13. Rodzin S.I., Kureychik V.V. Teoreticheskie voprosy i sovremennye problemy razvitiya
kognitivnykh bioinspirirovannykh algoritmov optimizatsii (obzor) [Theoretical issues and modern
problems of the development of cognitive bioinspired optimization algorithms (review)],
Kibernetika i programmirovanie [Cybernetics and programming], 2017, No. 3, pp. 51-79.
14. Ob upravlenii na osnove geneticheskogo poiska [About management based on genetic search],
Avtomatika i telemekhanika [Automation and telemechanics], 2001, No. 10, pp. 174-187.
15. Bova V.V., Kureychik V.V. Integrirovannaya podsistema gibridnogo i kombinirovannogo
poiska v zadachakh proektirovaniya i upravleniya [Integrated subsystem of hybrid and combined
search in design and management tasks], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya
SFedU. Engineering Sciences], 2010, No. 12 (113), pp. 37-42.
16. Gatchin Yu.A., Korobeynikov A.G. Metody predstavleniya matematicheskikh modeley v SAPR
pri kontseptual'nom i infologicheskom modelirovanii [Methods of representation of mathematical
models in CAD in conceptual and infological modeling], IEEE AIS-03, CAD-2003.
Intellektual'nye sistemy, intellektual'nye SAPR [IEEE AIS-03, CAD-2003. Intelligent systems,
intelligent CAD]. Moscow: Fizmatlit, 2003, Vol. 2, pp. 35-41.
17. Bershadskiy A.M. Primenenie grafov i gipergrafov dlya avtomatizatsii konstruktorskogo
proektirovaniya REA i EVA [Application of graphs and hypergraphs for automation of design
design of REA and EVA]. Saratov: Izd-vo SGU, 1993.
18. Novikov F.A. Diskretnaya matematika dlya programmistov [Discrete mathematics for programmers].
Saint Petersburg: Piter, 2000.
19. Akimov O.E. Diskretnaya matematika: logika, gruppy, grafy, fraktaly [Discrete mathematics:
logic, groups, graphs, fractals]. Moscow: Izdatel' AKIMOA, 2005.
20. Bershteyn L.S., Bozhenyuk A.V. Nechetkie grafy i gipergrafy [Fuzzy graphs and hypergraphs].
Moscow: Nauchnyy mir, 2005.
Опубликован
2022-05-26
Выпуск
Раздел
РАЗДЕЛ I. СИСТЕМЫ УПРАВЛЕНИЯ И МОДЕЛИРОВАНИЯ