МЕТАЕВРИСТИЧНИЙ МЕТОД ЕВОЛЮЦІЙНОЇ ОПТИМІЗАЦІЇ З ВИКОРИСТАННЯМ ІМУННИХ ПІДХОДІВ

Анотація

Розглянуто еволюційний підхід метаевристичної оптимізації, побудований на принципах функціонування штучних імунних систем та орієнтований на розв’язання багатокритеріальних задач оптимізації. Показано, що сучасні оптимізаційні задачі характеризуються високою розмірністю пошукового простору, наявністю численних локальних екстремумів і необхідністю узгодження кількох критеріїв, що ускладнює застосування класичних методів. Обґрунтовано доцільність використання природозумовлених підходів, зокрема еволюційних методів на базі алгоритму штучних імунних систем, які забезпечують адаптивний глобальний пошук завдяки механізмам клонування, мутації, селекції. Запропоновано еволюційний підхід до оптимізації на основі алгоритму штучних імунних систем, формалізовано його оператори та алгоритмічну схему. Для оцінювання ефективності методу проведено обчислювальні дослідження на модельних задачах з бінарним і дійсним кодуванням рішень. Зокрема, у задачі XdivK для бінарного кодування рішень встановлено, що алгоритм штучних імунних систем демонструє підвищену швидкість збіжності порівняно з генетичним алгоритмом, що зумовлено інтенсивним локальним пошуком у зоні перспективних рішень. В задачі оптимізації двоекстремальної функції для кодування рішень у формі дійсних чисел встановлено здатність алгоритму штучних імунних систем стабільно досягати глобального екстремуму без «залипання» в локальних максимумах. Визначено, що для невеликих популяцій алгоритм штучних імунних систем забезпечує вищу швидкість збіжності, тоді як генетичний алгоритм характеризується кращою масштабованістю. Результати дослідження підтверджують ефективність запропонованого підходу для розв’язання складних оптимізаційних задач та демонструють перспективність подальшого розвитку імунних методів у структурі інтелектуальних обчислювальних систем.