<<
>>

Генетический алгоритма для обучения нейронной сети для вертикализации экзоскелета с двумя критериями оптимизации

В науке и технике достаточно часто необходимо решать задачи многокритериальной оптимизации, требующие одновременной оптимизации сразу по нескольким критериям [18, 23, 28. 82, 90]. Краеугольным понятием в многокритериальной оптимизации является - Парето-оптимальная (недоминируемая) альтернатива. Иоиск решением многокритериальной задачи выполняется на множестве недоминируемых альтернатив. Иоэтому решение многокритериальной задачи оптимизации сводится к методам, позволяющим выделять подмножества Иарето-оптимальных альтернатив из множества возможных альтернатив.

Ири однокритериальной оптимизации находят точку X1eD,которая называется оптимальной (недоминируемой, неулучшаемой), если не существует точки X2eD,для которой f(X1)>f(X2)(целевая функция минимизируется). Здесь символом Dобозначена область, в которой задана целевая функция (критерий) f(X).

Ири многокритериальной оптимизации (МКО) для всякого решения XeD набор его оценок по всем критериям, т.е. набор (F1(X), F2(X), . . .,Fm(X)),есть векторная оценка решения X. Векторная оценка Xсодержит полную информацию о ценности (полезности) этого решения для ЛИР и сравнение любых двух решений заменяется сравнение их векторных оценок.

Если имеются два решения X1и X2,то решение X1доминирует решение X2, если Fi(X1)

<< | >>
Источник: Аль-Бареда Али Яхья Сенан. МОДЕЛИ И АЛГОРИТМЫ СИНТЕЗА ОПТИМАЛЬНОГО УПРАВЛЕНИЯ В БИОТЕХНИЧЕСКИХ СИСТЕМАХ РЕАБИЛИТАЦИОННОГО ТИПА НА ОСНОВЕ ТЕХНОЛОГИЙ НЕЙРОННЫХ СЕТЕЙ. Диссертация на соискание ученой степени кандидата технических наук. МОСКВА - 2018. 2018

Скачать оригинал источника

Еще по теме Генетический алгоритма для обучения нейронной сети для вертикализации экзоскелета с двумя критериями оптимизации:

  1. Оглавление
  2. Введение
  3. Генетический алгоритма для обучения нейронной сети для вертикализации экзоскелета с двумя критериями оптимизации
  4. Выводы третьего раздела