Из Википедии, свободной энциклопедии
Перейти к навигации Перейти к поиску

В прикладной математике тестовые функции , известные как искусственные ландшафты , полезны для оценки характеристик алгоритмов оптимизации, таких как:

  • Скорость сходимости.
  • Точность.
  • Надежность.
  • Общая производительность.

Здесь представлены некоторые тестовые функции с целью дать представление о различных ситуациях, с которыми приходится сталкиваться алгоритмам оптимизации при решении подобных проблем. В первой части представлены некоторые целевые функции для случаев одноцелевой оптимизации. Во второй части приведены тестовые функции с соответствующими фронтами Парето для многоцелевых задач оптимизации (MOP).

Искусственные ландшафты, представленные здесь для решения задач одноцелевой оптимизации, взяты из Bäck, [1] Haupt et al. [2] и из программного обеспечения Rody Oldenhuis. [3] Учитывая количество задач (всего 55), здесь представлены лишь некоторые из них.

Тестовые функции, используемые для оценки алгоритмов MOP, были взяты из Deb, [4] Binh et al. [5] и Бинь. [6] Вы можете загрузить программное обеспечение, разработанное Дебом [7], которое реализует процедуру NSGA-II с помощью GA, или программу, размещенную в Интернете [8], которая реализует процедуру NSGA-II с ES.

Приведены просто общий вид уравнения, график целевой функции, границы переменных объекта и координаты глобальных минимумов.

Тестовые функции для одноцелевой оптимизации [ править ]

Тестовые функции для оптимизации с ограничениями [ править ]

Тестовые функции для многокритериальной оптимизации [ править ]

[ требуется дальнейшее объяснение ]

См. Также [ править ]

  • Функция Экли
  • Функция Химмельблау
  • Функция Растригина
  • Функция Розенброка
  • Функция Шекеля

Ссылки [ править ]

  1. ^ Bäck, Thomas (1995). Эволюционные алгоритмы в теории и на практике: стратегии эволюции, эволюционное программирование, генетические алгоритмы . Оксфорд: Издательство Оксфордского университета. п. 328. ISBN 978-0-19-509971-3.
  2. ^ Хаупт, Рэнди Л. Хаупт, Сью Эллен (2004). Практические генетические алгоритмы с CD-Rom (2-е изд.). Нью-Йорк: Дж. Вили. ISBN 978-0-471-45565-3.
  3. ^ Oldenhuis, Роди. «Множество тестовых функций для глобальных оптимизаторов» . Математические работы . Проверено 1 ноября 2012 года .
  4. ^ a b c d e Deb, Kalyanmoy (2002) Многокритериальная оптимизация с использованием эволюционных алгоритмов (Repr. ed.). Чичестер [ua]: Уайли. ISBN 0-471-87339-X . 
  5. ^ a b Бинь Т. и Корн У. (1997) MOBES: Стратегия многокритериальной эволюции для задач оптимизации с ограничениями . В: Труды Третьей Международной конференции по генетическим алгоритмам. Республика Чехия. стр. 176–182
  6. ^ a b c Бинь Т. (1999) Многокритериальный эволюционный алгоритм. Учебные кейсы. Технический отчет. Институт автоматики и связи. Барлебен, Германия
  7. ^ Деб К. (2011) Программное обеспечение для многоцелевого кода NSGA-II на C. Доступно по URL: https://www.iitk.ac.in/kangal/codes.shtml
  8. ^ Ортис, Гилберто А. "Многоцелевая оптимизация с использованием ES как эволюционного алгоритма" . Математические работы . Проверено 1 ноября 2012 года .
  9. ^ Vanaret C. (2015) Гибридизация интервальных методов и эволюционных алгоритмов для решения сложных задач оптимизации. Кандидатская диссертация. Национальная школа гражданской авиации. Национальный политехнический институт Тулузы, Франция.
  10. ^ Simionescu, PA; Бил, Д. (29 сентября - 2 октября 2002 г.). Новые концепции в графической визуализации целевых функций (PDF) . ASME 2002 Международные технические конференции по проектированию и Компьютеры и информация в инженерии. Монреаль, Канада. С. 891–897 . Проверено 7 января 2017 года .
  11. ^ «Решите ограниченную нелинейную задачу - MATLAB и Simulink» . www.mathworks.com . Проверено 29 августа 2017 .
  12. ^ "Проблема с птицами (с ограничениями) | Интеграция с Phoenix" . Архивировано 29 декабря 2016 года . Проверено 29 августа 2017 .CS1 maint: bot: original URL status unknown (link)
  13. ^ Мишра, Sudhanshu (2006). «Некоторые новые тестовые функции для глобальной оптимизации и производительности метода роя отталкивающих частиц» . Бумага MPRA .
  14. ^ Таунсенд, Алекс (январь 2014). «Ограниченная оптимизация в Chebfun» . chebfun.org . Проверено 29 августа 2017 .
  15. ^ Simionescu, PA (2014). Инструменты компьютерного построения графиков и моделирования для пользователей AutoCAD (1-е изд.). Бока-Ратон, Флорида: CRC Press. ISBN 978-1-4822-5290-3.
  16. ^ Чанконг, Вира; Хаймс, Яков Ю. (1983). Принятие многокритериального решения. Теория и методология . ISBN 0-444-00710-5.
  17. ^ Fonseca, CM; Флеминг, П.Дж. (1995). «Обзор эволюционных алгоритмов многокритериальной оптимизации». Evol Comput . 3 (1): 1–16. CiteSeerX 10.1.1.50.7779 . DOI : 10,1162 / evco.1995.3.1.1 . S2CID 8530790 .  
  18. ^ F. Kursawe, « Вариант эволюционных стратегий для векторной оптимизации », в PPSN I, Vol 496 Lect Notes in Comput Sc. Springer-Verlag, 1991, стр. 193–197.
  19. ^ Шаффер, Дж. Дэвид (1984). "Множественная объективная оптимизация с помощью генетических алгоритмов с векторной оценкой". В GJE Grefensette; Дж. Дж. Лоуренс Эрлбраум (ред.). Труды Первой Международной конференции по генетическим алгоритмам . OCLC 20004572 . 
  20. ^ a b c d e Деб, Калян; Thiele, L .; Лауманнс, Марко; Цицлер, Эккарт (2002). «Масштабируемые тестовые задачи многокритериальной оптимизации». Материалы Конгресса IEEE 2002 г. по эволюционным вычислениям . 1 . С. 825–830. DOI : 10,1109 / CEC.2002.1007032 . ISBN 0-7803-7282-4. S2CID  61001583 .
  21. ^ Osyczka, A .; Кунду, С. (1 октября 1995 г.). «Новый метод решения обобщенных задач многокритериальной оптимизации с использованием простого генетического алгоритма». Структурная оптимизация . 10 (2): 94–99. DOI : 10.1007 / BF01743536 . ISSN 1615-1488 . S2CID 123433499 .  
  22. ^ Хименес, Ф .; Гомес-Скармета, AF; Sanchez, G .; Деб, К. (май 2002 г.). «Эволюционный алгоритм многоцелевой оптимизации с ограничениями». Труды Конгресса по эволюционным вычислениям 2002 г. CEC'02 (Каталожный номер 02TH8600) . 2 : 1133–1138. DOI : 10,1109 / CEC.2002.1004402 . ISBN 0-7803-7282-4. S2CID  56563996 .