|

Адаптивные функции пригодности в эволюционных игровых моделях оптимизации управления в структурно-сложных системах

Авторы: Серов В.А. Опубликовано: 12.04.2017
Опубликовано в выпуске: #2(113)/2017  
DOI: 10.18698/0236-3933-2017-2-111-122

 
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации  
Ключевые слова: многокритериальная оптимизация, конфликт, неопределенность, эволюционная вычислительная технология, генетический алгоритм, адаптивная функция пригодности, epsilon-вариационный принцип Экланда

Разработана эволюционная вычислительная технология многокритериальной оптимизации структурно-сложных систем в условиях конфликта и неопределенности, позволяющая построить множество конфликтно-оптимальных решений с заданными свойствами. В основе предложенной вычислительной технологии лежит механизм формирования адаптивной функции пригодности, использующий обобщение ε-вариационного принципа Экланда на класс задач многокритериальной конфликтной оптимизации.

Литература

[1] Воронов Е.М. Методы оптимизации управления многообъектными многокритериальными системами на основе стабильно-эффективных игровых решений. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. 576 c.

[2] Семенов С.С., Воронов Е.М., Полтавский А.В., Крянев А.В. Методы принятия решений в задачах оценки качества и технического уровня сложных технических систем. М.: ЛЕНАНД, 2016. 520 с.

[3] Жуковский В.И., Жуковская Л.В. Риск в многокритериальных и конфликтных системах при неопределенности / под ред. В.С. Молоствова. М.: Едиториал УРСС, 2004. 272 с.

[4] Харшаньи Дж. Общая теория выбора равновесия в играх. СПб.: Экономическая школа, 2001. 424 с.

[5] Гусев М.И., Куржанский А.Б. О ситуациях равновесия в многокритериальных игровых задачах // Доклады АН СССР. 1976. Т. 229. № 6. С. 1295-1298.

[6] Моисеев Н.Н. Математические методы системного анализа. М.: Наука, 1981. 487 с.

[7] Мулен Э. Теория игр с примерами из математической экономики. М.: Мир, 1985. 200 с.

[8] Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им Н.Э. Баумана, 2014. 446 с.

[9] Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия-Телеком, 2006. 452 с.

[10] Курейчик В.В., Курейчик В.М., Родзин С.И. Теория эволюционных вычислений. М.: Физматлит, 2012. 260 с.

[11] Ashlock D. Evolutionary computation for modeling and optimization. Berlin, Germany: Springer-Verlag, 2006. 571 p.

[12] Kita E., ed. Evolutionary algorithms. InTech, 2011. 596 p.

[13] Dos Santos W.P., ed. Evolutionary computation. InTech, 2009. 582 p.

[14] Zitzler E., Deb K., Thiele L. Comparison of multiobjective evolutionary algorithms: empirical results // Evolutionary Computation. 2000. Vol. 8. No. 2. Р. 173-195. DOI: 10.1162/106365600568202 URL: http://dl.acm.org/citation.cfm?id=108876

[15] Серов В.А., Бабинцев Ю.Н., Кондаков Н.С. Нейроуправление многокритериальными конфликтными системами. Монография. М.: МосГУ, 2011. 136 с.

[16] Серов В.А., Бабинцев Ю.Н., Чечурин А.В. Программное средство обучения искусственных нейронных сетей на основе комплекса генетических алгоритмов многокритериальной оптимизации в условиях конфликта и неопределенности (МОНС) // Свидетельство о государственной регистрации программы для ЭВМ № 2011618436 от 26.10.2011 г.

[17] Серов В.А., Хитрин В.В. Нейрогенетическая технология многокритериальной стабилизации режима функционирования технологического процесса в условиях неопределенности // Промышленные АСУ и контроллеры. 2011. № 6. С. 38-42.

[18] Серов В.А., Хитрин В.В. Комбинированный эволюционный алгоритм многокритериальной оптимизации программного режима биотехнологического процесса // Промышленные АСУ и контроллеры. 2010. № 8. С. 13-16.

[19] Серов В.А., Бабинцев Ю.Н., Чечурин А.В. Нейроэволюционная технология многокритериальной оптимизации управления потоками данных в автоматизированной системе мониторинга в условиях конфликта и неопределенности // Нейрокомпьютеры: разработка и применение. 2008. № 9. С. 65-71.

[20] Серов В.А. Генетические алгоритмы оптимизации управления многокритериальными системами в условиях неопределенности на основе конфликтных равновесий // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2007. № 4. С. 70-80.

[21] Серов В.А. Особенности вычислительной технологии поиска множества стабильных равновесий в коалиционной игровой модели функционирования структурно-сложной системы в условиях неопределенности // Труды Института системного анализа РАН. Динамика неоднородных систем. Т. 10. № 2. М.: КомКнига, 2006. С. 57-65.

[22] Серов В.А., Иванова Г.И., Суханова Н.И. Исследование теоретико-игровой модели эксплуатации экосистемы с векторными целевыми функционалами участников // Вестник РУДН. Сер. Инженерные исследования. 2003. № 2. С. 99-103.

[23] Серов В.А. Об условиях е-оптимальности по конусу в задаче многокритериальной оптимизации // Вестник РУДН. Сер. Кибернетика. 1998. № 1. С. 49-54.

[24] Серов В.А. О вариационном принципе в задачах многокритериальной оптимизации и принятия решений // Актуальные проблемы теории и практики инженерных исследований: Сб. науч. трудов. М.: Машиностроение, 1999. С. 18-22.

[25] Серов В.А. е-вариационные принципы в теоретико-игровых моделях структурносложных систем // Вестник РУДН. Сер. Кибернетика. 1999. № 1. С. 3-11.

[26] Ekeland I. On the variational principle // Journal of Mathematical Analysis and Applications. 1974. Vol. 47. No. 2. P. 324-353. DOI: 10.1016/0022-247X(74)90025-0 URL: http://www.sciencedirect.com/science/article/pii/0022247X74900250

[27] Обен Ж.-П., Экланд И. Прикладной нелинейный анализ. М.: Мир, 1988. 512 с.

[28] Isac G. The Ekeland principle and Pareto e-efficiency // Multiobjective programming and goal programming: theory and applications. Ser: Lecture notes in economics and mathematical systems. Vol. 432. Berlin, Germany: Springer-Verlag, 1996. P. 148-163.

[29] Loridan P. е-solutions in vector minimization problems // JOTA. 1984. Vol. 43. No. 2. P. 265-276.

[30] Chen G.Y., Huang X.X., Hou S.H. General Ekeland’s variational principle for set-valued mappins // JOTA. 2000. Vol. 106. No. 1. P. 151-164.

[31] Zhu J., Zhong C., Cho Y. Generalized variational principle and vector optimization // JOTA. 2000. Vol. 106. No. 1. P. 201-217.