Проектирование инновационной библиотеки бионических алгоритмов для решения практических задач оптимизации
В статье описывается подход к проектированию инновационной библиотеки алгоритмов искусственного интеллекта, предназначенной для решения оптимизационных задач в различных отраслях промышленности и экономики. Приведена архитектура универсальной библиотеки бионических алгоритмов, обеспечивающей возможность моделирования различных интеллектуальных алгоритмов и создания на их основе комбинированных и гибридных алгоритмов оптимизации решения задач управления и принятий решений в организационных системах с целью повышения эффективности их функционирования
Ключевые слова: искусственный интеллект, эволюционные алгоритмы, бионические алгоритмы, генетические алгоритмы, оптимизация, библиотека классов
Список использованных источников
1. Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы. 2-е изд. – М.: ФИЗМАТЛИТ, 2006. – 320 с.
2. Wascher G., Haubner H., Schumann H. An improved typology of cutting and packing problems//European Journal of Operational Research. 2007. Vol. 183. N. 3. P. 1109-1130.
3. Илюхин Ю. В. Роль метода компьютерного моделирования в познании технических объектов//Вестник МГТУ «Станкин». 2013. № 4. С. 141-145.
4. Чеканин В. А., Чеканин А. В. Модели конструирования ортогональной упаковки объектов//Информационные технологии и вычислительные системы. 2014. № 2. С. 37-45.
5. Чеканин В. А., Чеканин А. В. Структура данных для задачи трехмерной ортогональной упаковки объектов//Вестник МГТУ «Станкин». 2015. № 1. С. 112-116.
6. Григорьев С. Н., Кутин А. А., Долгов В. А. Принципы построения цифровых производств в машиностроении//Вестник МГТУ «Станкин». 2014. № 4. С. 10-15.
7. Ермолов И. Л., Собольников С. А. Решение задачи распределения группы мобильных роботов для обеспечения работы подвижной коммуникационной сети//Вестник МГТУ «Станкин». 2012. № 4. С. 126-129.
8. Костров И. А., Ковшов Е. Е. Сервисно-ориентированная архитектура приложений как средство организации распределенных систем в среде слабоструктурированных данных//Вестник МГТУ «Станкин». 2012. № 3. С. 140-144.
9. Митрофанов В. Г., Омельченко И. С., Капитанов А. В. Автоматизированное проектирование на основе «элементной» технологии//Вестник МГТУ «Станкин». 2015. № 4. С. 109-112.
10. Чеканин В. А., Чеканин А. В. Эвристический алгоритм оптимизации решений задачи прямоугольного раскроя//Вестник МГТУ «Станкин». 2014. № 4. С. 210-213.
11. Garey M., Johnson D. Computers intractability: a guide to the theory of NP-completeness. – San Francisco: W.H. Freeman, 1979. – 338 p.
12. Johnson D. S. A Brief History of NP-Completeness, 1954–2012 // Documenta Mathematica. 2012. Extra Volume ISMP. P. 359-376.
13. Щербина О. А. Метаэвристические алгоритмы для задач комбинаторной оптимизации (обзор)//Таврический вестник информатики и математики. 2014. № 1. С. 56-72.
14. Валиахметова Ю. И., Филиппова А. С. Мультиметодный генетический алгоритм для решения задач ортогональной упаковки//Информационные технологии. 2007. № 12. С. 50-56.
15. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия – Телеком, 2006. – 452 с.
16. Чеканин В. А., Чеканин А. В. Алгоритм решения задач ортогональной упаковки объектов на основе мультиметодной технологии//Информационные технологии. 2013. № 7. С. 17-21.
17. Чеканин В. А., Чеканин А. В. Исследование генетических методов оптимизации распределения прямоугольных ресурсов// Современное машиностроение. Наука и образование. 2012. № 2. С. 798-804.
18. Черняк Л. С. Интеллект роя для ИТ//Открытые системы. СУБД. 2014. № 2. С. 41-43.
19. Куликова М. Ю., Чеканин В. А. Система моделирования схем параллельных генетических алгоритмов для решения задач оптимизации//Искусственный интеллект: философия, методология, инновации. Сборник трудов IX Всероссийской конференции студентов, аспирантов и молодых ученых (Москва, МИРЭА, 10-11 декабря 2015 г.). – М.: МИРЭА, 2015.– С. 62-67.
