Software Journal:
Theory and Applications

Send article

Entrance Registration

Results for размещение

  1. Метод исследования окрестностей в природных алгоритмах для решения конструкторских задач

    О.Б. Лебедев Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    А.А. Паньшин Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    Ю.С. Старкова Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    О.А. Пурчина Донской государственный технический университет, Ростов-на-Дону, Russian Federation;

    The article was published in issue №2

    В статье рассмотрен метод исследования окрестностей в природных алгоритмах для решения конструкторских задач. Представлена постановка задачи. Описан процесс поиска решений на основе пчелиного алгоритма. Рассмотрен роевой алгоритм решения конструкторской задачи на основе адаптивного поведения пчелиной колонии. Описана важная задача конструкторского проектирования – размещение элементов сверхбольших интегральных схем. Решение исследования окрестностей отображено на примере их исследования роевыми методами поиска перспективных решений. Авторами проведены экспериментальные исследования, подтверждающие, что разработанный алгоритм позволяет находить квазиоптимальные решения за полиномиальное время.


  2. Решение одной трансвычислительной задачи на основе метода гибридного поиска

    О.Б. Лебедев Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    Н.В. Кулиева Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    А.Н. Нацкевич Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    А.А. Нагабедян Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;

    The article was published in issue №3

    В статье представлен алгоритм решения задачи размещения компонентов интегральных схем, основанный на адаптивных процедурах. Предлагается алгоритм размещения, в основе которого лежит моделирование адаптивного поведения пчелиной колонии. Описана гибридная схема поиска решений задачи размещения на основе разработанных алгоритмов, которая позволяет управлять процессом поиска для повышения качества получаемых решений. Также в статье описаны способы кодирования и декодирования решений.


  3. Solving the problem of placing the VLSI elements based on the integrating of swarm intelligence models into the affine search spaces

    B.K. Lebedev Institute of Computer Technology and Information Security of the Southern Federal University, Taganrog, Russian Federation;
    O.B. Lebedev Institute of Computer Technology and Information Security of the Southern Federal University, Taganrog, Russian Federation;
    E.O. Lebedeva Institute of Computer Technology and Information Security of the Southern Federal University, Taganrog, Russian Federation;
    A.A. Nagabedyan Institute of Computer Technology and Information Security of the Southern Federal University, Taganrog, Russian Federation;

    The article was published in issue №4

    The paper presents the architecture of a multi-agent system based on natural calculations, which places extra-large integrated circuits’ components using the combined swarm intelligence models. The authors offer new structures of presenting a solution for the problem of placing extra-large integrated circuit elements as chromosomes. There is a modified particle swarm paradigm that differs from the canonical one by the possibility of using the positions with integral-valued parameter values in the affine space.

    A developed operator called directed mutation helps to move the swarm of particles in the observed solution area. The authors offer a modified structure of the bees algorithm. The key operation of the algorithm is the research on promising positions in the neighborhood of basic positions.

    The tests have proven that when integrating the behavior models of a bee swarm and a particle swarm, the results of the new hybrid algorithm appear to be 11-18 % better than each algorithm results separately.