В статье отражены результаты исследования эффективности традиционных методов поиска и генетического алгоритма на примере выбранных задач – задачи коммивояжера и задачи поиска кратчайшего пути в графе. Проведены исследование, настройка и оптимизация параметров генетического алгоритма, таких как: инициализация начальной популяции, количество популяций, оператор скрещивания, оператор мутации, отбор в следующее поколение и других. Разработан ряд модификаций генетического алгоритма (с использованием метода ветвей и границ, жадного алгоритма и другие), которые позволили повысить его эффективность в несколько раз. Для проведения сравнительного анализа эффективности работы традиционных методов поиска, генетического алгоритма и его модификаций был создан отдельный программный модуль с возможностью настройки исследуемых алгоритмов, анализа и наглядного представления полученных результатов.
The paper presentsthe results ofresearch on the efficiencyof traditionalsearch methodsandgenetic algorithmon the exampleof selected tasks-travelling salesman problem andthe problem of findingthe shortest pathin the graph.Some investigation,setting andoptimization of the parametersof the geneticalgorithm are held, such asinitialization ofthe initial population, crossover operator, mutation operator, the selection of the next generation, and others. A row of modifications of the genetic algorithm (with usage of a method of branches and boundaries, greedy algorithm and others) which allow to raise it efficiency several times are developed. For carrying out of the comparative analysis of overall performance of traditional methods of searching, the genetic algorithm also were more its than modifications the separate software module with possibility of adjustment of research algorithms, the analysis and visual representation of the receive results are created.
1. Малыхина М. П. Базы данных: Основы, проектирование, использование. Учебное пособие. 3-е изд. (Допущено Министерством образования и науки Российской Федерации в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлению подготовки «Информатика и вычислительная техника».) – СПб.: БХВ-Петербург, 2007. – 528 c.
2. Симанков В. С., Частикова В. А. Генетический поиск решений в экспертных системах. Монография. – Краснодар: Просвещение-Юг, 2008.
3. Частикова В. А. Исследование основных параметров генетического алгоритма метода генетических схем в интеллектуальных системах, основанных на знаниях / В. А. Частикова // Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2011. – № 69 (5). – Шифр Информрегистра: 0421100012/0162. – Режим доступа: http://ej.kubagro.ru/2011/05/pdf/32.pdf.
4. Частикова В. А. Идентификация механизмов реализации операторов генетического алгоритма в экспертных системах продукционного типа / В. А. Частикова // Научный журнал КубГАУ [Электронный ресурс]. – Краснодар: КубГАУ, 2012. –№ 75 (01). – Шифр Информрегистра: 0421200012/0024. – Режим доступа: http://ej.kubagro.ru/2012/01/pdf/17.pdf.
5. Частикова В. А., Власов К. А. Свидетельство о государственной регистрации программы для ЭВМ № 2011616886. Программный комплекс для исследования и сравнительного анализа работы модифицированного генетического алгоритма: зарегистрировано в Реестре программ для ЭВМ 6 сентября 2011.
6. Частикова В. А., Власов К. А. Свидетельство о государственной регистрации программы для ЭВМ № 2012618201. Программный модуль «Генератор решений задачи коммивояжера»: зарегистрировано в Реестре программ для ЭВМ 11 сентября 2012.
7. Частикова В. А., Власов К. А. Свидетельство о государственной регистрации программы для ЭВМ № 2012612687. Генетический поиск оптимальных решений в задачах комбинаторики:зарегистрировано в Реестре программ для ЭВМ 15 марта 2012.
8. Goldberg David E. Genetic Algorithms in Search, Optimization and Machine Learning. USA:Addison-Wesley Publishing Company, Inc., 1989.
9. GrecoFederico. Travelling Salesman Problem.Austria: I-Tech Education and Publishing KG, Vienna, 2008.