Genetic Algorithm Construction for Solving Optimization Problems With Different Parameter Constraints

Abstract

В статье рассматривается использование стохастических методов в решении задач оптимизации. Применение генетических алгоритмов позволяет успешно решать задачи с различными ограничениями для параметров целевой функции. Согласованная работа таких операторов, как оператор селекции, бинарной рекомбинации и мутации, обеспечивает нахождение экстремального значения целевой функции. В работе оператора мутации присутствует перестановка элементов внутри набора параметров, вследствие чего переставленный элемент может не принадлежать диапазону его возможных значений, что может привести к появлению недопустимого решения задачи. Предлагается заменить оператор мутации на оператор вариации, который изменяет случайно выбранный элемент набора параметров на определенную величину с учетом диапазона его возможных значений. В работе представлена блок-схема генетического алгоритма с операторами селекции, бинарной рекомбинации и вариации. Составлены математические модели формирования массивов значений параметров целевой функции. Рассмотрены средства программной среды MATlAB и системы имитационного моделирования Simulink для автоматизации процесса генерации случайных чисел для массивов значений параметров для задачи оптимизации и работы одноточечных операторов бинарной рекомбинации и вариации. Вид функций распределения случайных величин для генерации случайных чисел выбирается с учетом условия задачи оптимизации и начальных данных. Ключевые слова: задача оптимизации, генетический алгоритм, генератор случайных чисел, оператор бинарной рекомбинации, оператор вариации