Гибридный эвристический параллельный метод глобальной оптимизации
Пушкарев К.В., Кошур В.Д.

Рассматривается задача нахождения глобального минимума непрерывной целевой функции многих переменных в области, имеющей вид многомерного параллелепипеда. Для решения сложных задач глобальной оптимизации предлагается гибридный эвристический параллельный метод глобальной оптимизации (ГЭПМ), основанный на комбинировании и гибридизации различных методов и технологии многоагентной системы. В состав ГЭПМ включены как новые методы (например, метод нейросетевой аппроксимации инверсных зависимостей, использующий обобщeнно-регрессионные нейронные сети (GRNN), отображающие значения целевой функции в значения координат), так и модифицированные классические методы (например, модифицированный метод Хука-Дживса). Кратко описывается программная реализация ГЭПМ в форме кроссплатформенной (на уровне исходного кода) программной библиотеки на языке C++, использующей обмен сообщениями через интерфейс MPI (Message Passing Interface). Приводятся результаты сравнения ГЭПМ с 21 современным методом глобальной оптимизации и генетическим алгоритмом на 28 тестовых целевых функциях 50 переменных.

Ключевые слова: глобальная оптимизация, эвристические методы, нейронные сети, параллельные вычисления, C++, MPI.

Название статьи, аннотация и ключевые слова на английском языке

  • Пушкарев К.В. – Сибирский федеральный университет, Институт космических и информационных технологий, ул. Киренского, 26Б, 660074, г. Красноярск; cт. преподаватель, e-mail: cyril.pushkaryov@yandex.ru
  • Кошур В.Д. – Сибирский федеральный университет, Институт космических и информационных технологий, ул. Киренского, 26Б, 660074, г. Красноярск; профессор, e-mail: VKoshur@sfu-kras.ru