Эволюционные алгоритмы моделирования и оптимизации сложных систем

Введение
Глава 1. Разработка и исследование вероятностного генетического алгоритма для оптимизации сложных систем
1.1 Основные свойства задач оптимизации сложных систем и возможные подходы к их решению
1.2 Стандартный генетический алгоритм и исследование его работоспособности на тестовых задачах
1.3 Метод изменяющихся вероятностей МИВЕР и исследование его работоспособности на тестовых задачах 1.4 Обоснование вероятностного генетического алгоритма и исследование его работоспособности на тестовых функциях 1.5 Метод прогноза сходимости стохастических поисковых алгоритмов решения задач оптимизации с булевыми переменными Выводы
Глава 2. Разработка и исследование гибридного алгоритма генетического программирования для моделирования сложных систем
2.1 Методы решения задач аппроксимации в моделировании сложных систем
2.2 Обычный метод генетического программирования для решения задачи символьной регрессии и его исследование 2.3 Обоснование гибридного алгоритма генетического программирования и его исследование 2.4 Комплексная процедура моделирования и оптимизации сложных систем
Выводы
Глава 3. Практическая реализация разработанных алгоритмов
3.1 Программная реализация обыкновенного и вероятностного
генетических алгоритмов
3.2 Программная реализация обыкновенного и гибридного алгоритмов генетического программирования 3.3 Программная реализация алгоритма прогноза сходимости генетических алгоритмов
3.4 Постановка задачи оптимизации работы электростанции на топливных элементах в стационарном режиме 3.5 Решение задачи оптимизации работы электростанции на топливных элементах в стационарном режиме с помощью вероятностного генетического алгоритма
3.6 Построение символьной модели вычисления эффективности работы электростанции на топливных элементах в стационарном режиме с помощью гибридного алгоритма генетического программирования Выводы Заключение
Список использованных источников