- •Методологические основы моделирования (Миша)
- •Общая классификация основных видов моделирования (Миша)
- •Процедурно-технологическая схема построения и исследования моделей сложных систем (Аня)
- •Отличительные особенности моделей различных классов (Аня)
- •Области применения имитационного моделирования (Люба)
- •Сущность метода имитационного моделирования (Люба)
- •Статическое и динамическое представление моделируемой системы (Виля)
- •Управление модельным временем (Виля)
- •Проблемы стратегического и тактического планирования имитац.Эксп. (Гриша)
- •Общая технологическая схема имитационного моделирования (Гриша)
- •Базовые концепции структуризации и формализации имитационных систем (Леша)
- •Методологические подходы к построению дискретных имитационных моделей (Леша)
- •Язык моделирования gpss (Макс)
- •Сети Петри и их расширения (Макс)
- •Основы технологии имитационного моделирования (Киря)
- •Описание поведения системы (надо убрать воду и проверить формулы) (Киря)
- •Моделирование асинхронных процессов (Даша)
- •Обзор алгоритмов оптимизации (Даша)
- •Глобальная оптимизация (Дима)
- •Классификация алгоритмов оптимизации (Дима)
- •Скорость и точность оптимизации (Антон)
- •Метод Дельфи (Антон)
- •Метод Анализа Иерархий (маи) (Серега)
- •Анкетирование (Серега)
- •Экспертные оценки (Катя)
- •Обработка экспертных оценок (Катя)
- •Метод непосредственного оценивания (Вова)
- •Метод ранжирования (Саша)
- •Основные понятия га (Егор)
- •Стратегии отбора для га (Егор)
- •Модели га (Паша)
- •Применение алгоритмов, инспирированных природными явлениями, для решения задач оптимизации (Паша)
- •Алгоритм имитации отжига (Настя)
- •Алгоритм роя частиц (Настя)
- •Алгоритм муравьиной колонии (Миша)
- •Пчелиные алгоритмы (Люба)
- •Моделирование перемещения бактерий (Виля)
- •Алгоритм культурного обмена (Леша)
- •Алгоритм подъема (Киря)
- •Алгоритм поиска с запретами (Дима)
- •Меметический алгоритм (Антон)
- •Алгоритм поиска гармонии (Серега)
- •Отбор объектов в пространстве признаков. Метод Парето (Катя)
- •Применение интерактивного подхода к решению опт. Задач (Саша)
- •Типовые задачи многокритериальной оптимизации (Паша)
Обзор алгоритмов оптимизации (Даша)
Среди задач непрерывной конечномерной оптимизации самым важным с практической точки зрения и одновременно самым сложным является класс задач глобальной условной оптимизации. Методы решения задач этого класса можно разделить на две большие группы:
- методы сведения задачи глобальной условной оптимизации к задаче глобальной безусловной оптимизации с помощью штрафных или барьерных функций;
- методы, специально сконструированные для решения задачи глобальной условной оптимизации.
Метод роя частиц относится к методам первой группы и, таким образом, предназначен для решения задач глобальной безусловной оптимизации.
Методы решения задачи глобальной безусловной оптимизации делятся на детерминированные, стохастические и эвристические .
Эвристические методы. Среди них выделяют эволюционные и поведенческие (имитационные) методы. Поведенческие методы решения задачи глобальной безусловной оптимизации основаны на моделировании коллективного поведения самоорганизующихся живых или неживых систем. Взаимодействующие элементы этих систем, в общем случае, называются агентами.
Поведенческие методы относятся к мультиагентным методам, основанным на моделировании интеллектуального поведения колоний агентов. В природе таким интеллектом обладают группы общественных насекомых, например колонии муравьев. Ключевыми идеями поведенческих методов являются децентрализованность, взаимодействие агентов и простота их поведения.
Известность получили следующие поведенческие методы решения задачи глобальной безусловной оптимизации: метод поведения пчёл; метод роя частиц.
В методе оптимизации роем частиц (particle swarm optimization - PSO) агентами являются частицы в пространстве параметров задачи оптимизации. В каждый момент времени (на каждой итерации) частицы имеют в этом пространстве некоторое положение и вектор скорости. Для каждого положения частицы вычисляется соответствующее значение целевой функции, и на этой основе по определённым правилам частица меняет своё положение и скорость в пространстве поиска.
В основу метода PSO положена социально-психологическая поведенче¬ская модель толпы. Существует несколько разновидностей метода. Например, в каноническом методе роя частиц на каждой итерации при определении следующего положения частицы учитывается информация о наилучшей частице из числа «соседей» данной частицы, а также информация о данной частице на той итерации, когда этой частице соответствовало наилучшее значение целевой функции. Модификация канонической модели FIPS учитывает значения целевой функции, соответствующие всем частицам роя; в некоторых моделях частицы группируются в несколько роёв и т. д.
Метод пчелиного роя представляет собой эвристический итеративный мультиагентный метод случайного поиска, основная идея которого состоит в моделировании поведения пчёл при поиске нектара. Среди недостатков метода пчелиного роя упоминания заслуживает большое число свободных параметров метода, от значений которых, с одной стороны, зачастую сильно зависит эффективность метода, а с другой - отсутствуют какие-либо содержательные основания для выбора этих значений.
