2022
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/56991
Переглянути
1 результатів
Результати пошуку
Документ Огляд сучасного використання генетичних та еволюційних алгоритмів. Стратегії, можливості (оглядова стаття)(Національний технічний університет "Харківський політехнічний інститут", 2022) Бондаренко, Олексій Вікторович; Устиненко, Олександр Віталійович; Протасов, Роман Васильович; Клочков, Ілля Євгенович; Воронцов, Борис Сергійович; Матюшенко, Микола Васильович; Калінін, Павло МиколайовичСучасні тенденції оптимально-раціонального проєктування технічних об’єктів перетинають велику кількість напрямів їх реалізації. Одним із цікавих та перспективних напрямів є генетичні та еволюційні алгоритми (ГА та ЕА). Автори просувають використання ГА та ЕА у якості апарата розв’язання задач оптимально-раціонального проєктування складних механічних систем. Описано актуальність освітлення сучасних методів, підходів та стратегій реалізації ГА та ЕА, а також розглянуто їх прикладну реалізацію, що дало змогу виявити цікаві напрями досліджень, які з подальшою адаптацією чи модифікаціями можуть бути використані для розв’язання задач оптимально-раціонального проєктування редукторів, коробок передач та трансмісій. Освітлено основні загальні напрями літератури стосовно ГА та ЕА, а також на прикладах висвітлено практичне використання ГА та ЕА в: технічній та технологічній діяльності, фізиці, будівництві, водних системах, нанотехнологіях, аналітичному та імітаційному моделюванні, електричних та електронних системах, моделюванні штучного інтелекту та нейронних мережах, інформаційних технологіях, економічній теорії, управлінні та менеджменті, маркетингу, соціології, біології та медицині. Це дало змогу зрозуміти сучасні наукові тенденції стосовно цього питання, визначити переваги та недоліки існуючих напрямів і підходів та допомогло обрати вектор подальшої наукової думки, визначитися з цікавими підходами, стратегіями та методами. Зважаючи на певні особливості ЕА, автори віддають перевагу саме їм. А з огляду стратегій, то перспективними є гібридизація з іншими методами, максимальна насиченість всіх етапів «випадковістю» та можливість навчання (організації пам’яті) алгоритму подібно до нейронних мереж.