СОВРЕМЕННОЕ СОСТОЯНИЕ БИОЭВРИСТИК: КЛАССИФИКАЦИЯ, БЕНЧМАРКИНГ, ОБЛАСТИ ПРИМЕНЕНИЯ

Аннотация

Целями данной статьи является анализ современного состояния исследований в области разработки алгоритмов, инспирированных природой, включая категоризацию, классификацию, тестирование, цитируемость и области применения. Представлена новая многоуровневая система классификации на основе следующих признаков: критерий соответствие природной метафоре, структурный, поведенческий, поисковый, комп о- нентный и оценочный критерии. Классификация биоэвристик предполагает системати- ческое отнесение каждой биоэвристики к одному и только одному классу в рамках си с- темы взаимоисключающих и неперекрывающихся классов. Категоризация позволяет об ъ- ективно подходить к выбору биоэвристик. Для каждой биоэвристики имеются конкрет- ные задачи, с которыми она хорошо справляется. Знать эти взаимосвязи важно для ц е- ленаправленного применения биоэвристики. Рассмотрен пример классификации. Отм е- чено, что наиболее информативным критерием классификации является поведенческий критерий, наиболее цитируемым классом биоэвристик являются алгоритмы роевого интеллекта, а наиболее цитируемой биоэвристикой  алгоритм роя частиц PSO. Пред- ставлены современные подходы к бенчмаркингу биоэвристик: задачи дискретной и не- прерывной оптимизации, а также оптимизационные инженерные задачи. Отмечена тенденция проводить сравнение производительности биоэвристик, используя стати- стическую проверку гипотез на бенчмарках. Систематизированы задачи, успешно р е- шаемые биоэвристиками в таких областях, как инженерное проектирование, обработка изображений и компьютерное зрение, компьютерные сети и коммуникации, энергетика и энергоменеджмент, анализ данных и машинное обучение, робототехника, медицинская диагностика. Наметилась тенденция к гибридизации биоэвристик в одном оптимизато- ре. Однако требуются убедительные доказательства, что результаты компенсируют увеличение сложности по сравнению с отдельными алгоритмами. Отмечены задачи о п- тимизации, требующие дальнейших исследований: задачи динамической и стохастиче- ской оптимизации; задачи многокритериальной оптимизации; задачи мультимодальной оптимизации; задачи многомерной оптимизации; задачи меметической оптимизации, в которых комбинируется множество поисковых алгоритмов; задачи оптимизации и адаптации настроек параметров биоэвристик для достижения баланса между скор о- стью сходимости и диверсификацией пространства поиска решений