при весьма больших размерах области поиска метод редукции оказы-
вается недостаточно эффективным. Гибридный алгоритм M-PCASFC
обеспечивает сужение области поиска, что повышает вычислитель-
ную эффективность метода. Для решения задачи липшицевой мини-
мизации исходная многомерная задача редуцируется к эквивалентной
одномерной с использованием кривой Пеано, построение которой про-
водится по схеме Гильберта. Следует отметить, что построенная чи-
сленными методами кривая аппроксимирует теоретическую кривую
Пеано – Гильберта с точностью, определяемой заданной плотностью
развертки [19]. Метод редукции многомерных задач обладает таки-
ми важными свойствами, как непрерывность и сохранение равномер-
ной ограниченности разностей функций при ограниченной вариации
аргумента. К недостаткам метода следует отнести потерю части ин-
формации о близости точек в исходном многомерном пространстве.
Предложенный метод не требует вычисления производных критери-
альных функций по переменным модели, что позволяет расширить
применение гибридного алгоритма на класс задач глобальной недиф-
ференцируемой оптимизации.
Результирующие гибридные алгоритмы реализованы в виде при-
кладного программного обеспечения. Фрагмент псевдокода гибридно-
го алгоритма M-PCASFC приведен ниже:
1. Generate an initial solution
Old_Config
Best_Fitness
= Fitness
(Old_Config)
Update Blackboard
For
n
= 0
to # of particles
For
n
= 0
to # of iterations
Update Blackboard
Perturbation ( )
If Fitness
(New_Config)
>
Fitness
(Old_Config)
If Fitness
(New_Config)
>
Best_Fitness
Best_Fitness
:= Fitness
(New_Config)
End If
Old_Config
:=
New_Config
Exploration ( )
Else
Scattering ( )
End If
End For
End For
2. Exploration ( )
For
n
= 0
to # of iterations
72
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. “Естественные науки”. 2016. № 2