<?xml version="1.0" encoding="UTF-8"?>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="JATS-archive-oasis-article1-4.xsd" article-type="research-article" dtd-version="1.4" xml:lang="ru">
  <front>
    <journal-meta>
      <journal-title-group>
        <journal-title>Журнал Современные проблемы науки и образования</journal-title>
      </journal-title-group>
      <issn>2070-7428</issn>
      <publisher>
        <publisher-name>Общество с ограниченной ответственностью &amp;quot;Издательский Дом &amp;quot;Академия Естествознания&amp;quot;</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="publisher-id">ART-14142</article-id>
      <title-group>
        <article-title>ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ АЛГОРИТМА ПОИСКА КОСЯКОМ РЫБ В ЗАДАЧЕ ГЛОБАЛЬНОЙ ОПТИМИЗАЦИИ</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Частикова</surname>
              <given-names>В.А.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Chastikova</surname>
              <given-names>V.A.</given-names>
            </name>
          </name-alternatives>
          <email>chastikova_va@mail.ru</email>
          <xref ref-type="aff" rid="aff7dfde1d0"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Дружинина</surname>
              <given-names>М.А.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Druzhinina</surname>
              <given-names>M.A.</given-names>
            </name>
          </name-alternatives>
          <email>mariya.druzhinina@mail.ru</email>
          <xref ref-type="aff" rid="aff7dfde1d0"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Кекало</surname>
              <given-names>А.С.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Kekalo</surname>
              <given-names>A.S.</given-names>
            </name>
          </name-alternatives>
          <email>i_am_andrew@mail.ru</email>
          <xref ref-type="aff" rid="aff7dfde1d0"/>
        </contrib>
      </contrib-group>
      <aff id="aff7dfde1d0">
        <institution xml:lang="ru">ФГБОУ ВПО «Кубанский государственный технологический университет»</institution>
        <institution xml:lang="en">Kuban State Technological University</institution>
      </aff>
      <pub-date date-type="pub" iso-8601-date="2014-04-01">
        <day>01</day>
        <month>04</month>
        <year>2014</year>
      </pub-date>
      <issue>4</issue>
      <fpage>205</fpage>
      <lpage>205</lpage>
      <permissions>
        <license xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This is an open-access article distributed under the terms of the CC BY 4.0 license.</license-p>
        </license>
      </permissions>
      <self-uri content-type="url" hreflang="ru">https://science-education.ru/ru/article/view?id=14142</self-uri>
      <abstract xml:lang="ru" lang-variant="original" lang-source="author">
        <p>В данной работе проведено исследование алгоритма поиска косяком рыб на примере задачи глобальной оптимизации. При реализации алгоритма было изучено влияние следующих основных параметров метода на эффективность поиска решений: количество итераций, размер популяции, начальный и конечный индивидуальные шаги, максимальный вес агента. Для исследования и сравнительного анализа эффективности работы алгоритма поиска косяком рыб разработан программный модуль, в котором, помимо изучаемого, реализованы следующие методы: генетический алгоритм, метод наискорейшего спуска и метод Ньютона. Критериями оценки эффективности были выбраны скорость и точность работы алгоритмов. На основе проведенных исследований можно сделать вывод, что алгоритм поиска косяком рыб показал свою эффективность при нахождении глобального оптимума функций со сложным ландшафтом. В качестве практической реализации алгоритма поиска косяком рыб можно отметить задачу оптимизации движения квадрокоптеров.</p>
      </abstract>
      <abstract xml:lang="en" lang-variant="translation" lang-source="translator">
        <p>In this article was conducted the research of the fish school search algorithm on example of global optimization problem. The influence of the following method’s basic parameters on the effectiveness of solution search was studied in the implementation of algorithm: number of iterations, population size, initial and final individual steps, maximum agent weight. There was developed a software module for the research and comparative analysis of efficiency of the fish school search algorithm. In addition to fish school search algorithm, software module contains the following methods: genetic algorithm, method of steepest descent and Newton&amp;acute;s method. Speed and accuracy of the algorithm were chosen as the criteria for evaluating the effectiveness. Through research it can be concluded that the fish school search algorithm proved to be effective in finding the global optimum of functions with difficult terrain. Quadrocopter motion optimization problem can be noted as the practical realization of the fish school search algorithm.</p>
      </abstract>
      <kwd-group xml:lang="ru">
        <kwd>глобальная оптимизация</kwd>
        <kwd>роевой интеллект</kwd>
        <kwd>генетический алгоритм</kwd>
        <kwd>Алгоритм поиска косяком рыб</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>global optimization</kwd>
        <kwd>swarm intelligence</kwd>
        <kwd>genetic algorithm</kwd>
        <kwd>Fish school search</kwd>
      </kwd-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <ref>
        <note>
          <p>1.	Джонс М.Т. Программирование искусственного интеллекта в приложениях. -  М. : ДМК Пресс, 2004. – 312 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>2.	Карпенко А.П. Популяционные алгоритмы глобальной поисковой оптимизации. Обзор новых и малоизвестных алгоритмов // Информационные технологии. - 2012. - № 7. - С. 13-15.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>3.	Малыхина М.П., Частикова В.А. Программирование на языке высокого уровня C# : учеб. пособие. – Краснодар : Изд. КубГТУ, 2011. - 251 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>4.	Goldberg D.E. Genetic Algorithms in Search, Optimization and Machine Learning. - Addison–Wesley Pub. Company, 1989, - P.  423.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>5.	Holland J.H. Adaptation in Natural and Artificial Systems. - University of Michigan Press, 1975. - P. 211.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>6.	Madeiro S., Lima-Neto F., Bastos-Filho C., Figueiredo E. Density as the Segregation Mechanism in Fish School Search for Multimodal Optimization Problems. In ICSI’2011: Second International Conference on Swarm Intelligence. - Springer - Lecture Notes in Computer Science, v. 6729. - P. 563-572, 2011.</p>
        </note>
      </ref>
    </ref-list>
  </back>
</article>
