Рассмотрены особенности использования компьютерной симуляции эволюционных процессов, часто называемых генетическими алгоритмами, для аппроксимации и оптимизации функций. Приведены логическая структура генетического алгоритма и этапы решения задачи аппроксимации и оптимизации.
генетический алгоритм, компьютерная программа, математическая модель
1. Лабинский А.Ю. Модель нечеткого прогнозирования // Проблемы управления рисками в техносфере. 2016. № 4 (40). С. 80-87.
2. Лабинский А.Ю. Особенности использования нейронной сети для распознавания изображений // Проблемы управления рисками в техносфере. 2016. № 3 (33). С. 67-73.
3. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М.: Физматлит, 2003. С. 432.
4. Курейчик В.М., Лебедев Б.К., Лебедев О.К. Поисковая адаптация: теория и практика. М.: Физматлит, 2006. С. 272.
5. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы: учеб. пособие. 2-е изд. М.: Физматлит, 2006. С. 320.
6. Биоинспирированные методы в оптимизации: монография / Л.А. Гладков [и др.]. М: Физматлит, 2009. С. 384.
7. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. 2-е изд. М.: Горячая линия-Телеком, 2008. С. 452.
