Предлагается композитная архитектура многоагентной системы бионического поиска для решения задачи размещения на основе роевого интеллекта и генетической эволюции. Рассмотрены три подхода к построению такой архитектуры. Связующим звеном такого подхода является единая структура данных, описывающая в виде хромосомы решение задачи. Рассматриваются требования к структуре хромосомы и значениям генов. Общая оценка временной сложности при любом подходе к гибридизации не превышает оценки временной сложности генетического алгоритма и лежит в пределах О(n²) – О(n³).

В работе предложена композитная архитектура многоагентной системы бионического поиска для решения задачи планирования перевозок на основе интеграции роевого интеллекта и генетической эволюции. Рассмотрены новые принципы и способы кодирования и декодирования хромосом для представления решения задачи планирования перевозок. Описывается модифицированная парадигма роя частиц, обеспечивающая в отличие от канонического метода возможность использования в аффинном пространстве позиций с целочисленными значениями параметров. Рассмотренные механизмы перемещения частиц в аффинном пространстве для уменьшения веса аффинных связей отличаются простотой и линейными оценками временной и пространственной сложности. Для организации перемещения роя частиц в гиперпространстве решений разработан оператор направленной мутации. Эксперименты показали, что качество решений у гибридного алгоритма на 10–15 % лучше, чем у генетического и роевого алгоритмов. Общая оценка временной сложности при любом подходе к гибридизации не превышает оценки временной сложности генетического алгоритма и лежит в пределах О(n²)–О(n³).

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.