Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Computer Science

1 2000

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: natural solvers

Sortuj według:

Ogranicz wyniki do:

Zastosowanie metod naturalnych w problemach poszukiwania optymalnego rozwiązania

Jasińska-Suwada A., Dzwinel W., Rozmus K., Sołtysiak J.

Computer Science

2000

Vol. 2

13-51

W artykule przedstawiona została nowa metoda, służąca do rozwiązywania problemów znajdowania najlepszego rozwiązania, bazująca na dynamice cząstek i szeroko stosowanej technice symulacji komputerowej - dynamice molekularnej. Efektywność zaproponowanej metody porównano z wynikami otrzymywanymi dla standardowego algorytmu genetycznego. Dla obu metod przeanalizowano sposoby przeszukiwania przestrzeni rozwiązań, doboru parametrów i zaproponowano heurystyki optymalizacyjne. Efektywność obu metod porównana została w oparciu o zestaw wielomodalnych, wielowymiarowych funkcji testowych, charakteryzujących się zwodniczością. Przeanalizowane zostały indeksy, stanowiące kryterium oceny. Przeprowadzone testy prowadzą do wniosku, że właściwy dobór metody jest zależny od rodzaju problemu. Metoda cząstek jest skuteczniejsza w przypadku badania funkcji o wyraźnie wyróżnionym ekstremum globalnym, natomiast do zwodniczej funkcji, posiadającej kilka lokalnych ekstremów, leżących daleko od globalnego, lepiej nadaje się algorytm genetyczny. Wynika to z charakterystycznych dla obu metod sposobów przeszukiwania przestrzeni rozwiązań. Opisana heurystyka bazująca na dynamice cząstek może być stosowana do wstępnej analizy funkcji, o których przebiegu nic ma żadnych informacji.

In the paper we present a new method, which can be used as a natural solver for searching the best solution in the multidimensional and multimodal parameter space. The method is based on a well-known simulation technique, i.e., molecular dynamics. To show advantages and disadvantages of the particle method in comparison to the standard genetic algorithm, we analyse efficiency of the methods in finding the global minimum of multi-dimensional and multi-modal test-bed functions and we calculate the evaluation indices. We analyse also the ways the solution space is explored and the parameters of algorithms adjusted. The optimal heuristics are proposed. The tests carried out show that the choice of the most appriopriate optimization method depends on type of a problem considered. We show that the particle method is more efficient for finding the optimal solution for multi-modal problems with distinct global extreme, while the genetic algorithm is better for deceptive functions with several locals extreme, which are placed far away from the global optimum. This comes from the different ways in which the particle method and genetic algorithm explore the solution space. The particle method can be used for initial analysis of functions, which character is unknown.