Инд. авторы:	Панов Н.В.
Заглавие:	Объединение стохастических и интервальных подходов для решения задач глобальной оптимизации функций
Библ. ссылка:	Панов Н.В. Объединение стохастических и интервальных подходов для решения задач глобальной оптимизации функций // Вычислительные технологии. - 2009. - Т.14. - № 5. - С.49-65. - ISSN 1560-7534. - EISSN 2313-691X.
Внешние системы:	РИНЦ: 13087312;
Реферат:	rus: Рассматриваются интервальные методы глобальной оптимизации. Выявляются задачи, в которых существующие методы недостаточно эффективны, и анализируются причины этой неэффективности. Для преодоления слабых сторон традиционных детерминистских интервальных методов глобальной оптимизации предлагаются новые, вычислительно эффективные методы, сочетающие в себе доказательность интервальных и гибкость стохастических подходов. eng: Interval methods of global optimization are considered. The problems for which the existing methods are ineffective are analyzed and the causes are revealed. On this basis, new computationally effective methods, combining conclusiveness of the interval and the flexibility of stochastic approaches, are proposed.
Ключевые слова:	the method of simulated annealing; genetic algorithm; global optimization; Interval analysis; Interval; минимум; метод симулированного отжига; генетический алгоритм; глобальная оптимизация; интервальный анализ; интервал; Minimum;
Издано:	2009
Физ. характеристика:	с.49-65
Цитирование:	1. Васильев О.В., Аргучинцев А.В. Методы оптимизации в задачах и упражнениях. М.: Физматлит, 1999. 2. Евтушенко Ю.Г. Численный метод поиска глобального экстремума функций (перебор на неравномерной сетке) // Журн. вычисл. математики и мат. физики. 1971. Т. 11, № 6. C. 1390-1403. 3. Жиглявский А.А., Жилинскас А.Г. Методы поиска глобального экстремума. М.: Наука, 1991. 4. Жилинскас А.А., Шалтянис В.Р. Поиск оптимума: компьютер расширяет возможности. М.: Наука, 1989. 5. Tцrn A., Ali M., Viitanen S. Stochastic global optimization: Problem classes and solution techniques // J. of Global Optimization. 1999. Vol. 14, N 4. P. 437-447. 6. Hansen E., Walster G. Global optimization using interval analysis. N. Y.: Marcel Dekker, 2004. 7. Moore R. Methods and Applications of Interval Analysis. Philadelрhia: SIAM, 1979. 8. Ding-Zhij Du, Pardalos P., Weili Wu. Mathematical Theory of Optimization. Dordrecht: Kluwer, 2001. 9. Kearfott R. Rigorous Global Search: Continuous Problems. Dordrecht: Kluwer, 1996. 10. Панов Н.В., Шарый С.П. Стохастические подходы в интервальных методах глобальной оптимизации // Всероссийское (с международным участием) совещание по интервальному анализу и его приложениям (ИНТЕРВАЛ-06), 1-4 июля 2006 года, Петергоф, Россия. Расширенные тезисы докладов. СПб.: ВВМ, 2006. С. 101-105. 11. Шарый С.П. Стохастические подходы в интервальной глобальной оптимизации // Труды XIII Байкальской международной школы-семинара "Методы оптимизации и их приложения", Иркутск-Северобайкальск, 2-8 июля 2005. Иркутск, ИСЭМ СО РАН, 2005. Т. 4. C. 85-105. 12. Шарый С.П. Рандомизированные алгоритмы в интервальной глобальной оптимизации // Сиб. журн. вычисл. мат. 2008. Т. 11, № 4. С. 457-474. 13. Janson C., Knuppel O. A global minimization method: The multi-dimensional case // Technical Report 92.1. Forschungsschwerpunkt Informations- und Kommunikationstechnik. TU Hamburg-Harburg, 1992. 14. Панов Н.В., Колдаков B.B. Программный комплекс для графического представления процесса и результатов работы интервальных алгоритмов // Труды 5-й международной конференции памяти академика А.П. Ершова "Перспективы систем информатики". Новосибирск, 2003. Т. 1. Международное совещание по интервальной математике и методам распространения ограничений. С. 38-46. 15. Metropolis N., Rosenbluth M. et al. Equations of state calculations by fast computing machines // J. Chem. Phys. 1953. Vol. 21. Р. 1087. 16. Koza J. Genetic Programming: on the Programming of Computers by Means of Natural Selection. MIT Press, 1992. 17. Гладков Л.А., Курейчик B.B., Курейчик В.М. Генетические алгоритмы. М.: Физматлит, 2006.