Software Journal:
Theory and Applications

Send article

Entrance Registration

Results for бионический поиск

  1. Гибридизация роевого интеллекта и генетической эволюции на примере размещения

    Б.К. Лебедев Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    О.Б. Лебедев Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    В.Б. Лебедев Донской государственный технический университет, Ростов-на-Дону, Russian Federation;

    The article was published in issue №4

    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).


  2. Решение задачи планирования перевозок на основе интеграции моделей роевого интеллекта в аффинных пространствах поиска

    Б.К. Лебедев Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    О.Б. Лебедев Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    Е.М. Лебедева Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation;
    Е.В. Трехсвояков Институт компьютерных технологий и информационной безопасности Южного федерального университета, каф. систем автоматизированного проектирования, Таганрог, Russian Federation;

    The article was published in issue №4

    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).


  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.