Показати скорочену інформацію

dc.contributor.authorГнаповський, О. І.uk
dc.contributor.authorПетришин, С. І.uk
dc.contributor.authorHnapovskyi, O.en
dc.contributor.authorPetryshyn, S.en
dc.date.accessioned2025-07-24T11:17:24Z
dc.date.available2025-07-24T11:17:24Z
dc.date.issued2024
dc.identifier.citationГнаповський О. І., Петришин С. І. Термінологія впровадження генетичних алгоритмів // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/19431.uk
dc.identifier.isbn978-617-8163-14-3
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/47250
dc.description.abstractГенетичний алгоритм (ГА), запропонований Холландом у 1975 році, імітує природний відбір, розвиваючи популяцію особин для оптимізації задач. Використовуючи генетику та виживання найпристосованіших, ГА здатний розв'язувати проблеми в різних сферах. Він представляє собою алгоритм випадкового глобального пошуку, кодуючи рішення у вигляді хромосом в двійковій чи плаваючою комою нотації. ГА складається з основних операцій: відбір, кросовер та мутація, спрямованих на покращення розв'язків через ітераційну оптимізацію. Він застосовується у багатьох сферах, включаючи нафтову промисловість та інженерію, але має обмеження, такі як схильність до локальних оптимумів.uk
dc.description.abstractThe Genetic Algorithm (GA), proposed by Holland in 1975, mimics natural selection, evolving a population to optimize tasks. Leveraging genetics and survival of the fittest, GA can solve problems across various domains. It operates as a random global search algorithm, encoding solutions as chromosomes in binary or floating-point notation. GA comprises fundamental operations: selection, crossover, and mutation, aimed at improving solutions through iterative optimization. It finds applications in diverse fields, including oil exploration and engineering, but it has limitations like susceptibility to local optima.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/19431
dc.subjectгенетичний алгоритмuk
dc.subjectмутаціяuk
dc.subjectпопуляціяuk
dc.subjectgenetic algorithmen
dc.subjectmutationen
dc.subjectpopulationen
dc.titleТермінологія впровадження генетичних алгоритмівuk
dc.typeThesis
dc.identifier.udc519.7
dc.relation.referencesI. Berninger, “Проблема маршрутизації транспортних засобів на Android/iOS,” Бакалаврська робота, Інститут комп’ютерних наук, дослідницька група DPS, Університет Інсбрука, 2014.uk
dc.relation.referencesA. Homaifar, S. Guan, and G. E. Liepins, “Аналіз схеми проблеми комівояжера за допомогою генетичних алгоритмів,” Складні системи 6, с. 533-552, 1992.uk
dc.relation.referencesA. Reese, “Генератори випадкових чисел в генетичних алгоритмах для безобмеженої та обмеженої оптимізації,” J Нелінійний аналіз, 71, 679–692, 2009.uk
dc.relation.referencesY. Yun, C. Moon, and D. Kim. “Гібридний генетичний алгоритм з адаптивною схемою локального пошуку для вирішення проблем у сфері багаторівневого постачання,” Comput Ind Eng 56, 821–838, 2009.uk
dc.relation.referencesN. M. Razali and J. Geraghty, “Ефективність генетичного алгоритму з різними стратегіями вибору при розв’язанні проблеми комівояжера,” Процедури Всесвітнього конгресу з інженерії 2011, Том II WCE 2011, 6 - 8 липня 2011, Лондон, Великобританія.uk
dc.relation.referencesK. Rani and V. Kumar, Int. J. Res.Eng. Tech. 2, 27-34. (2014)en
dc.relation.referencesZ. H. Ahmed, “Експериментальне дослідження гібридного генетичного алгоритму для проблеми максимального комівояжера,” Springer open journal, 2013.uk
dc.relation.referencesK. Bryant, “Генетичні алгоритми та проблема комівояжера,” Магістерська робота, Коледж Харві Мадда, 2000.uk
dc.relation.referencesY. Wang, “Гібридний генетичний алгоритм з двома стратегіями локальної оптимізації для проблеми комівояжера,” Comput. Ind. Eng. 70, с. 124–133 (2014).uk


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію