Найти

Результаты поиска

• МЕТАЭВРИСТИКА НА ОСНОВЕ ПОВЕДЕНИЯ КОЛОНИИ БЕЛЫХ КРОТОВ

  Е.В. Данильченко , В. И. Данильченко , В. М. Курейчик

  132-140

  2021-08-12

  Аннотация ▼

  Алгоритмы оптимизации, вдохновленные миром природы, превратились в мощные инструменты для решения сложных задач. Однако у них все же есть некоторые недостатки, требующие исследования новых и более совершенных алгоритмов оптимизации. В связи с этим, при решении NP полных задач появляется необходимость в разработке новых методик решения данного класса задач. Одним из таких методик может стать метаэвристика на основе поведения колонии белых кротов. В этой статье предлагается новый метаэвристический алгоритм, называемый алгоритмом слепых белых кротов. Этот алгоритм был разработан на основе социального поведения слепых кротов в поисках пищи и защиты колонии от вторжений. Предлагаемое решение сможет преодолеть многие недостатки обычных алгоритмов оптимизации, включая попадание в ловушку локальных минимумов или низкую ско-рость сходимости. Цель данной работы заключается в разработке алгоритма оптимизации сложной целевой функции. Научная новизна заключается в разработке генетического алго-ритма на основе поведения колонии белых кротов для решения NP полных задач. Постановка задачи в данной работе заключается в следующем: оптимизировать поиск решения сложных функций путем применения, алгоритма на основе поведения колонии белых кротов. Практическая ценность работы заключается в создании новой архитектуры поиска, позволяющей использовать разработанный алгоритм для эффективного решения NP полных задач, а также проводить сравнительный анализ с существующими аналогами. Принципиальное отличие от известных подходов в применении новой структуры бионспирированного поиска на основе поведения колонии белых кротов, которое позволит исключить попадание в локальный минимум или низкую скорость сходимости. Приведенные результаты вычислительного экс-перимента, показали преимущества предложенного в работе многомерного подхода к решению задач размещения элементов СБИС по сравнению с существующими аналогами. Таким образом, проблема создания методов, алгоритмов и программного обеспечения для решения NP полных задач в настоящее время является актуальной задачей.

• МНОГОМЕРНЫЙ ПОИСК В ЗАДАЧЕ РАЗМЕЩЕНИИ ЭЛЕМЕНТОВ СБИС НА ОСНОВЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА

  Е. В. Данильченко , В.И. Данильченко , В.М. Курейчик

  2021-07-18

  Аннотация ▼

  Все крупные производители идут к уменьшению габаритов современных микроэлектрон-
  ных устройств. Это приводит к переходу на новые нормы проектирования и изготовления
  СБИС. Известные алгоритмы автоматизированного проектирования не в полной мере способ-
  ны реализовывать новые требования при проектировании СБИС. В связи с этим, при решении
  задач конструкторского проектирования появляется необходимость в разработке новых ме-
  тодик решения данного класса задач. Одним из таких методик может стать гибридная мно-
  гомерная система поиска, основанная на генетическом алгоритме (ГА). Описывается автома-
  тизированный подход к проектированию СБИС на основе генетического алгоритма, позволяю-
  щий создать алгоритмическую среду в области многомерного генетического поиска для реше-
  ния NP полных задач, в частности размещения элементов СБИС. Цель данной работы заключа-
  ется в нахождении путей размещения элементов СБИС на основе генетического алгоритма.
  Научная новизна заключается в разработке модифицированного многомерного генетического
  алгоритма для автоматизированного проектирования сверхбольших интегральных схем. По-
  становка задачи в данной работе заключается в следующем: оптимизировать размещение
  элементов СБИС путем применения, многомерного модифицированного ГА. Практическая цен-
  ность работы заключается в создании подсистемы, позволяющей использовать разработан-
  ные многомерные архитектуры, методы и алгоритмы для эффективного решения задач кон-
  структорского проектирования СБИС, а также проводить сравнительный анализ с сущест-
  вующими аналогами. Принципиальное отличие от известных подходов в применении новых мно-
  гомерных генетических структур в автоматизированном проектировании СБИС, кроме того в
  работе праведен модифицированный генетический алгоритм. Приведенные результаты вычис-
  лительного эксперимента, показали преимущества предложенного в работе многомерного
  подхода к решению задач размещения элементов СБИС по сравнению с существующими анало-
  гами. Таким образом, проблема создания методов, алгоритмов и программного обеспечения для
  автоматизированного размещения элементов СБИС в настоящее время имеет особую акту-
  альность. Ее решение позволит улучшить качественные характеристики проектируемых уст-
  ройств, сократит сроки и затраты на проектирование.

• ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ПАРАМЕТРИЧЕСКОГО ПРОГНОЗИРОВАНИЯ И ОПТИМИЗАЦИИ ТРАЕКТОРИИ ДВИЖЕНИЯ БАС

  В.И. Данильченко , В.В. Бова

  263-276

  2025-12-30

  Аннотация ▼

  Рассматривается задача интеллектуального параметрического прогнозирования и оптимизации траектории движения беспилотной авиационной системы (БАС) с применением эволюционных алгоритмов и методов машинного обучения. Актуальность исследования обусловлена многокритериальностью и высокой сложностью процессов формирования траектории движения БАС, а также необходимостью точной и своевременной оценки её полётных параметров. Это особенно важно для обеспечения надёжности, безопасности и эффективного выполнения полётных задач в условиях эксплуатации БАС, включая сценарии, связанные с функционированием критически значимых объектов инфраструктуры. Цель исследования заключается в повышении точности диагностики траекторных параметров и надёжности параметрического прогнозирования траекторий движения БАС в условиях неопределённости и многокритериальности рассматриваемой задачи. В работе предлагается гибридный подход, включающий генетический алгоритм (ГA), алгоритм роя частиц (PSO) с моделью машинного обучения XGBoost, обеспечивающей адаптивную оценку качества формируемых решений. Реализован вычислительный программный комплекс, включающий механизмы селекции, рекомбинации, мутации и элитного наследования, а также модуль машинного обучения для валидации траектории маршрута и связанных параметров. Проведён вычислительный эксперимент, в рамках которого выполнен сравнительный анализ эффективности GA и PSO при различных сценариях их работы. Тестирование выполнялось на отраслевых наборах данных при различном количестве итераций. В ходе вычислительного эксперимента выявлено преимущество генетического алгоритма, а именно повышение качества проектных решений на 14–17%. Результаты исследования демонстрируют высокую адаптивность и практическую применимость в задачах моделирования, параметрического прогнозирования и маршрутизации, а также указывают на потенциал интеграции с интеллектуальными системами навигации и мониторинга БАС. Материалы статьи представляют практический интерес для специалистов в области разработки и эксплуатации БАС, а также для исследователей, занимающихся задачами многокритериального планирования маршрутов, параметрического прогнозирования и повышения надёжности функционирования БАС.

• МЕТАЭВРИСТИЧЕСКИЙ МЕТОД ОПТИМИЗАЦИИ НА ОСНОВЕ МОДЕЛИ ПОВЕДЕНИЯ СТВОЛОВЫХ КЛЕТОК

  Е. В. Данильченко , В. И. Данильченко , В. М. Курейчик

  2022-05-26

  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.

• ГИБРИДНЫЙ ПОДХОД К СОВМЕСТНОМУ РЕШЕНИЮ ЗАДАЧ РАЗМЕЩЕНИЯ И ТРАССИРОВКИ

  Л.А. Гладков , Н.В. Гладкова , Джаббар Ясир Ясир Муханад

  2020-11-22

  Аннотация ▼

  В статье предложен интегрированный подход к решению задач размещения и трас-
  сировки элементов схем электронной вычислительной аппаратуры. Подход основан на
  совместном решении задач размещения и трассировки с использованием нечетких генети-
  ческих методов. Приведено описание рассматриваемой проблемы и выполнен краткий ана-
  лиз существующих подходов к ее решению. В статье рассматриваются интегрированные
  подходы к решению оптимизационных задач автоматизированного проектирования схем
  цифровой электронно-вычислительной аппаратуры. Подчеркнута актуальность и важность
  разработки новых эффективных методов решения подобных задач. Отмечено, что важным
  направлением развития методов оптимизации является разработка гибридных методов и
  подходов, сочетающих достоинства различных методов вычислительного интеллекта.
  В статье описаны следующие основные моменты: структура предлагаемого алгоритма и
  его основные этапы; модифицированные генетические операторы кроссовера; предложены
  модели формирования текущей популяции; модифицированные эвристики, операторы и
  стратегии поиска оптимальных решений. Приведены результаты вычислительных экспе-
  риментов. Проведенные эксперименты подтверждают эффективность предложенного
  подхода. В заключении приводится краткий анализ полученных результатов.

• АВТОМАТИЗИРОВАННЫЙ СТРУКТУРНО-ПАРАМЕТРИЧЕСКИЙ СИНТЕЗ СТУПЕНЧАТОГО НАПРАВЛЕННОГО ОТВЕТВИТЕЛЯ НА СВЯЗАННЫХ ЛИНИЯХ НА ОСНОВЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА

  Е.В. Данильченко , В. И. Данильченко , В.М. Курейчик

  2020-11-22

  Аннотация ▼

  Описывается автоматизированный подход к структурно-параметрическому синте-
  зу ступенчатого направленного ответвителя на связанных линиях на основе генетического
  алгоритма (ГА), позволяющий создать алгоритмическую среду в области генетического
  поиска для решения NP полных задач, в частности структурно-параметрический синтез
  ступенчатого направленного ответвителя на связанных линиях. Цель данной работы за-
  ключается в нахождении путей структурно-параметрического синтеза ступенчатого
  направленного ответвителя на связанных линиях на основе бионспирированной теории.
  Научная новизна заключается в разработке модифицированного генетического алгоритма
  для автоматизированного структурно-параметрического синтеза ступенчатого направ-
  ленного ответвителя на связанных линиях. Постановка задачи в данной работе заключа-
  ется в следующем: оптимизировать синтез схем пассивных и активных СВЧ цепей путем
  применения, модифицированного ГА. Принципиальное отличие от известных подходов в
  применении новых модифицированных генетических структур в автоматизированном
  структурно-параметрическом синтезе, кроме того в работе праведен новый метод рас-
  чёта ступенчатого направленного ответвителя на связанных линиях на основе модифици-
  рованного ГА. Таким образом, проблема создания методов, алгоритмов и программного
  обеспечения для автоматизированного структурного синтеза СВЧ модулей в настоящее
  время имеет особую актуальность. Ее решение позволит улучшить качественные харак-
  теристики проектируемых устройств, сократит сроки и затраты на проектирование,
  снизит требования к квалификации разработчика.

• КЛАССИФИКАЦИЯ И АНАЛИЗ ЭВОЛЮЦИОННЫХ МЕТОДОВ КОМПОНОВКИ БЛОКОВ ЭВА

  Е. В. Данильченко, В.И. Данильченко, В.М. Курейчик

  2020-07-20

  Аннотация ▼

  В настоящее время наблюдается большой рост потребности в проектировании и
  разработке радиоэлектронных устройств. Это связано с повышающимися требованиями
  к радиоэлектронным системам, а также появлением новых поколений полупроводниковых
  приборов. В этой связи возникает необходимость в разработке новых средств автомати-
  зированного компоновки блоков ЭВА. Перед компоновкой блоков ЭВА существует ряд про-
  блем, которые усложняют реальное представление знаний в САПР и вероятно разрешимы
  на нынешнем уровне развития когнитивных наук. Проблема стереотипа и проблема огрубления - взаимосвязаны и нуждаются в создании гибридных моделей представления. В ра-
  боте рассмотрена проблема решения задачи компоновки блоков ЭВА при проектировании
  радиоэлектронной аппаратуры. Цель данной работы заключается в нахождении путей
  оптимизации планирования компоновки блоков ЭВА с применением генетического алго-
  ритма. Актуальность работы состоит в том, что генетический алгоритм позволяет
  повысить качество планирования компоновки. Рассматриваемые алгоритмы позволяют
  повысить качество и скорость планирования компоновки. Научная новизна заключается в
  поиске и анализе эффективных методов компоновки блоков ЭВА с помощью генетических
  алгоритмов. Принципиальное отличие от известных сравнений в анализе новых перспек-
  тивных алгоритмов компоновки блоков ЭВА. Результаты работы. В работе указаны не-
  достатки традиционных алгоритмов поиска субоптимального плана ЭВА. Приведены опи-
  сания современных моделей эволюционных и других вычислений. Генетические алгоритмы
  обладают рядом важных преимуществ – это приспособляемость к изменяющейся окру-
  жающей среде, при эволюционном подходе есть возможность анализировать, дополнять и
  изменять базу знаний в зависимости от изменяющихся условий, а также быстрое созда-
  ние оптимальных решений. Если применять генетические алгоритмы и эвристику предва-
  рительной обработки, чтобы обеспечить оптимальные начальные решения, то можно
  достичь более продуктивного использования алгоритмов. Известные генетические алго-
  ритмы быстро сходящиеся, но при этом они теряют разнообразие популяции, что влияет
  на снижение качества решения. Для балансировки данных решение выправляют с помощью
  эффективных операторов или устойчивой мутацией.