Работа посвящена методу решения задачи распределения соединений между выводами, основанному на моделировании адаптивного поведения муравьиной колонии. Цель перераспределения заключается в уменьшении плотности областей трассировки, уменьшении длины соединений, уменьшении числа пересечений, повышении степени интеграции и т.п. Отличительной особенностью представленного роевого алгоритма является то, что поиск решений агентами производится в многостадийной среде функционирования, имеющей композитную структуру. Тестирование производилось на бенчмарках. По сравнению с существующими алгоритмами достигнуто улучшение результатов на 6–7 %.

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).

В работе описана архитектура многоагентной системы на основе природных вычислений. Система выполняет размещение компонентов сверхбольших интегральных схем, используя объединенные модели роевого интеллекта. Предложены новые структуры представления решения задачи размещения элементов сверхбольших интегральных схем в виде хромосом. Представлена модифицированная парадигма роя частиц, отличающаяся от канонической, возможностью использования в аффинном пространстве позиций с целочисленными значениями параметров.

Передвижение роя частиц в рассматриваемой области решений достигается при помощи разработанного оператора, называемого направленная мутация. Предложена модифицированная структура алгоритма пчел. Ключевой операцией алгоритма является исследование перспективных позиций, лежащих в окрестностях базовых позиций.

Тестовые испытания доказали, что при интеграции моделей поведения роя пчел и роя частиц, результаты нового гибридного алгоритма получаются на 11 – 18 % лучше, чем у каждого алгоритма по отдельности.