伊凡·泽林卡 SOMA–自组织迁移算法。 （英语） Zbl 1139.90301号 Onwubolu，Godfrey C.（编辑）等人，《工程中的新优化技术》，柏林：施普林格出版社（ISBN 3-540-20167-X/hbk）。模糊性和软计算研究141167-217（2004）。 简介：近年来，为随机优化开发了一类广泛的算法，即用于优化系统，其中系统（S）的独立输入变量（x）和输出（目标函数）（y）之间的函数关系未知。利用遗传算法（GA）、模拟退火（SA）和差分进化（DE）等随机优化算法，对系统的随机输入向量进行处理，并测量其响应。然后，算法使用该响应来调整输入向量，使系统在迭代过程中产生所需的输出或目标值。大多数工程问题都可以定义为优化问题，例如机器人手臂的最佳轨迹的寻找、压力容器中钢材的最佳厚度、控制器的最佳参数集、模糊模型中的最佳关系或模糊集等。此类问题的解决方案通常很难找到其参数，通常包括不同类型的变量，例如浮点或整数变量。进化算法（EA），如遗传算法和微分进化算法，过去已成功用于这些工程问题，因为它们可以以简化的方式为几乎任何问题提供解决方案：它们能够处理混合变量的优化任务，包括适当的约束，并且它们不依赖于关于系统的导数或辅助信息的存在，例如其传递函数。进化算法适用于候选解的种群，这些候选解是在只有最适合或最适合的个体才有可能生存的世代中进化而来的。本文介绍了一类新的随机优化算法SOMA（“自组织迁移算法”）。它解释了SOMA背后的原理，并演示了该算法如何帮助解决各种优化问题。SOMA测试过的函数可以在本章中找到。关于整个系列，请参见[Zbl 1051.90002号]. 引用于12文件 MSC公司： 90-06 与运筹学和数学规划有关的会议记录、会议记录、收藏等 90 C59 数学规划中的近似方法和启发式 65升99 常微分方程的数值方法 90立方厘米 随机规划 关键词：遗传算法;模拟退火;差异演化 软件：SOMA公司 PDF格式BibTeX公司 XML格式引用 \textit{I.Zelinka}，Stud.模糊软计算。141167-217（2004年；Zbl 1139.90301）