Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/33351
Назва: Методи та програмно-апаратні засоби оптимізаційних процесів на основі генетичних алгоритмів
Інші назви: Methods and software-hardware of genetic algorithms-based optimization processes
Автори: Семенчук, Василь Миколайович
Semenchuk, Vasyl
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя
Бібліографічний опис: Семенчук В. М. Методи та програмно-апаратні засоби оптимізаційних процесів на основі генетичних алгоритмів : дипломна робота магістра за спеціальністю „123 — комп’ютерна інженерія“ / В. М. Семенчук. — Тернопіль : ТНТУ, 2020. — 67 с.
Bibliographic description: Semenchuk V.M. Methods and software-hardware of genetic algorithms-based optimization processes: master thesis on specialty 123 «Computer engineering» / V.M. Semenchuk – Ternopil Ivan Puluj National Technical University – Ternopil: TNTU, 2020. – 67 p.
Дата публікації: гру-2020
Дата подання: 15-гру-2020
Дата внесення: 23-гру-2020
Видавництво: Тернопільський національний технічний університет імені Івана Пулюя
Країна (код): UA
Місце видання, проведення: Тернопільський національний технічний університет імені Івана Пулюя
Науковий керівник: Баран, Ігор Олегович
Baran, Ihor
Члени комітету: Крамар, Олекснадр Іванович
Kramar, Oleksandr
УДК: 004.021
Теми: 123
комп’ютерна інженерія
генетичний алгоритм
генетичний оператор
задача комівояжера
модель міграції
острівна модель
genetic algorithm
genetic operator
travelling salesman problem
migration model
island model
Кількість сторінок: 67
Короткий огляд (реферат): Кваліфікаційна робота присвячена дослідженню генетичних алгоритмів як способу оптимізації, їх ефективності і трудомісткості. Для виконання була обрана задача комівояжера, оскільки вона дуже добре вивчена, має ефективні способи розв’язання, для того, щоб порівняти з отриманими результатами. Також однією з цілей даної роботи є вивчення поширення генетичних алгоритмів на модель з декількома взаємодіючими популяціями (міграції та острівну). Основним інструментом для практичного дослідження було обрано середовище MATLAB, оскільки воно має багато вбудованих функцій і панелей інструментів для вирішення завдань генетичного програмування і їх паралельного виконання.
Thesis deals with the study of genetic algorithms as a way of optimization, their efficiency and complexity. The Travelling Salesman Problem was taken into consideration as it is very well studied, has effective ways of the decision, in order to compare with the received results. Also, one of the aims of this work is to study the propagation of genetic algorithms to a model with several interacting populations (migration and island). The MATLAB environment was taken as the main tool for practical research, as it has many built-in functions and toolbars for solving problems of genetic programming and their parallel execution.
Зміст: 1 Аналітична частина. 2 Теоретична частина. 3. Практична частина. Розв’язок задачі комівояжера з використанням можливостей пакета MATLAB. 4 Охорона праці та безпека в надзвичайних ситуаціях
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/33351
Власник авторського права: © Семенчук В. М., 2020
Перелік літератури: 1. Zadeh, Lotfi A., «Fuzzy Logic, Neural Networks, and Soft Computing», Communications of the ACM, March 1994, Vol. 37 No. 3, pages 77—84. 2. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М: Горячая линия, 2006. 452 с. 3. De Jong, K.A. Introduction to the second special issue on genetic algorithms. Machine Learning, 5(4). p. 351-353. 4. Генетичні алгоритми. Ключові поняття та методи реалізації. URL: http://www.znannya.org/?view=ga_general (дата звертання: 21.10.2020) 5. Панченко Т. В. Генетические алгоритмы: учебно-методическое пособие. Астрахань: Изд. дом «Астраханский университет», 2007. 87 с. 6. Генетические алгоритмы. URL: http://qai.narod.ru/GA/ (дата звертання: 21.10.2020) 7. Олійник А.О., Субботін С.О., Олійник О.О. Еволюційні обчислення та програмування : Навчальний посібник. Запоріжжя : ЗНТУ, 2010. 324 с. 8. Вороновский Г. К., Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Х.: Основа, 1997. 112 с. 9. Кислий М.С., Величко В.Є. Використання генетичних алгоритмiв для розв’язання задачi комiвояжера // Iнформатика та методика ї ї викладання. Випуск №1. 2011. с. 110-115. 10. Darrell Whitley, Soraya Rana, and Robert B. Heckendorn. The island model genetic algorithm: On separability, population size and convergence // Journal of Computing and Information Technology. 7:33–47, 1998. 11. Семенчук В.М. Особливості використання острівної моделі генетичних алгоритмів. Інформаційні моделі, системи та технології: Праці VІІІ наук.-техн. конф. (Тернопіль, 09-10 грудня 2020 р.) Тернопіль, 2020. С. 114. 12. Батищев Д. И., Неймарк Е. А., Старостин Н. В. Применение генетических алгоритмов к решению задач дискретной. Н. Новгород: 2007. 85 с. 13. Parallel Computing Toolbox User’s Guide. MathWorks Inc., 2010. 665 p. 14. Encyclopedia of artificial intelligence / Eds.: J. R. Dopico, J. D. de la Calle, A. P. Sierra. New York : Information Science Reference, 2009. Vol. 1-3. 1677 p. 15. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. М: Физматлит, 2006. 320 с. 16. . Matai R. Traveling Salesman Problem: An Overview of Applications, Formulations, and Solution Approaches / R. Matai, S. P. Singh, M. L. Mittal // Jaipur, India, 2010 17. . Johnson D. S. The Traveling Salesman Problem: A Case Study in Local Optimization / D. S. Johnson and L.A. McGeoch // November 20, 1995. 18. Applegate D. On the solution of traveling salesman problems / D. Applegate, R. E. Bixby, V. Chvatal and W. Cook // Documenta Mathematica, Extra Volume ICM III:645-656, 1998. 19. Applegate D. Chained Lin-Kernighan for large traveling salesman problems / D. Applegate, W. Cook, A. Rohe // INFORMS J. Computing, 15: 82-92, February 2002. 20. The Travelling Salesman Problem and its Applications. CO@W Berlin, 2009. URL: http://coatwork.zib.de/berlin2009/downloads/2009-09-21/2009-09-21-1600-MG-TSP-and Applications.pdf 21. Gen M., Cheng R. Genetic algorithms and engineering design. New Jersey: John Wiley & Sons, 1997. 352 p. 22. Haupt Randy L., Haupt Sue Ellen. Practical genetic algorithms. 2nd ed., 2004. 261 p. 23. Kleiman H. The General Traveling Salesman Problem. Createspace Independent Pub, 2014. 470 p. 24. Dopico J. Encyclopedia of artificial intelligence; Eds.: J.R. Dopico, J.D. de la Calle, A.P. Sierra. New York: Information Science Reference. 2009. Vol. 1–3. 1677 p. 25. Субботін С.О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень. Запоріжжя: ЗНУ, 2008. 341 с. 26. Hoffman K., Rinaldi G. Traveling Salesman Problem. Advertising Response, Encyclopedia of Operations Reseach. 2013. P. 1573–1578. 27. Sanches D., Whitley D. Improving an exact solver for the traveling salesman problem using partition crossover. Proceedings of the Genetic and Evolutionary Computation Conference. 2017. P. 337– 344. 28. Goldberg D. E. Genetic algorithms in search, optimization, and machine learning, Reading, MA AddisonWesley, 1989. 29. Darrell Whitley, Soraya Rana, and Robert B. Heckendorn. The island model genetic algorithm: On separability, population size and convergence // Journal of Computing and Information Technology. — 7:33–47, 1998. 30. Зеркалов Д.В. Охорона праці в галузі: Загальні вимоги. Навчальний посібник. К.: Основа. 2011. 551 с.
Тип вмісту: Master Thesis
Розташовується у зібраннях:123 — комп’ютерна інженерія

Файли цього матеріалу:
Файл Опис РозмірФормат 
Magistr_CIm-61_Semenchuk.doc2,19 MBMicrosoft WordПереглянути/відкрити
Авторська_довідка_Семенчук.doc50 kBMicrosoft WordПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора