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