Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції

It is considered a problem of the best uniform approximation of functions by polynomial splines with fixed knots. It is proposed an approach based on evolutionary algorithms — a powerful class of stochastic search optimization methods — for its solution. To find a spline of the best uniform approxim...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2019
Автори: Вакал, Лариса Петрівна, Вакал, Євген Сергійович
Формат: Стаття
Мова:Ukrainian
Опубліковано: Kamianets-Podilskyi National Ivan Ohiienko University 2019
Онлайн доступ:http://mcm-tech.kpnu.edu.ua/article/view/173661
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Mathematical and computer modelling. Series: Technical sciences

Репозитарії

Mathematical and computer modelling. Series: Technical sciences
id mcmtechkpnueduua-article-173661
record_format ojs
institution Mathematical and computer modelling. Series: Technical sciences
collection OJS
language Ukrainian
format Article
author Вакал, Лариса Петрівна
Вакал, Євген Сергійович
spellingShingle Вакал, Лариса Петрівна
Вакал, Євген Сергійович
Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
author_facet Вакал, Лариса Петрівна
Вакал, Євген Сергійович
author_sort Вакал, Лариса Петрівна
title Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
title_short Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
title_full Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
title_fullStr Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
title_full_unstemmed Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
title_sort найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції
title_alt Best Uniform Spline Approximation Using Differential Evolution
description It is considered a problem of the best uniform approximation of functions by polynomial splines with fixed knots. It is proposed an approach based on evolutionary algorithms — a powerful class of stochastic search optimization methods — for its solution. To find a spline of the best uniform approximation, a differential evolution algorithm is adapted. It is one of the best evolutionary algorithms that consistently finds a global optimum of a target function (optimization criterion) in a minimal time. An evolutionary process in the algorithm begins with a generation of random vectors, coordinates of which are possible values of spline coefficients. Further, the vectors are constantly modified by mutation, crossover and selection operations in order to reduce a value of the target function (spline approximation error). The algorithm is completed if a specified maximum number of populations is exhausted or a stagnation of the evolutionary process takes place. The differential evolution algorithm is simple in program realization and using (it contains few varied parameters that need to be selected). It is easily paralleled. Recommendations for choosing optimal values of main parameters of the algorithm such as a population size, a mutation factor, a crossover probability are developed. A comparison of the approximation errors obtained by the stochastic differential evolution algorithm and by other (deterministic) algorithms is made for a series of test functions. Results of the comparison showed that an accuracy of the functions approximation by splines using the differential evolution is not worse than using much more complicated deterministic algorithms of the best uniform approximation. This testifies about the effectiveness of the differential evolution algorithm. It can be used as an alternative for known deterministic algorithms of spline approximation
publisher Kamianets-Podilskyi National Ivan Ohiienko University
publishDate 2019
url http://mcm-tech.kpnu.edu.ua/article/view/173661
work_keys_str_mv AT vakallarisapetrívna bestuniformsplineapproximationusingdifferentialevolution
AT vakalêvgensergíjovič bestuniformsplineapproximationusingdifferentialevolution
AT vakallarisapetrívna najkraŝerívnomírnenabližennâsplajnamizvikoristannâmdiferencíalʹnoíevolûcíí
AT vakalêvgensergíjovič najkraŝerívnomírnenabližennâsplajnamizvikoristannâmdiferencíalʹnoíevolûcíí
first_indexed 2024-04-08T14:59:04Z
last_indexed 2024-04-08T14:59:04Z
_version_ 1795779035734736896
spelling mcmtechkpnueduua-article-1736612019-07-18T12:45:03Z Best Uniform Spline Approximation Using Differential Evolution Найкраще рівномірне наближення сплайнами з використанням диференціальної еволюції Вакал, Лариса Петрівна Вакал, Євген Сергійович It is considered a problem of the best uniform approximation of functions by polynomial splines with fixed knots. It is proposed an approach based on evolutionary algorithms — a powerful class of stochastic search optimization methods — for its solution. To find a spline of the best uniform approximation, a differential evolution algorithm is adapted. It is one of the best evolutionary algorithms that consistently finds a global optimum of a target function (optimization criterion) in a minimal time. An evolutionary process in the algorithm begins with a generation of random vectors, coordinates of which are possible values of spline coefficients. Further, the vectors are constantly modified by mutation, crossover and selection operations in order to reduce a value of the target function (spline approximation error). The algorithm is completed if a specified maximum number of populations is exhausted or a stagnation of the evolutionary process takes place. The differential evolution algorithm is simple in program realization and using (it contains few varied parameters that need to be selected). It is easily paralleled. Recommendations for choosing optimal values of main parameters of the algorithm such as a population size, a mutation factor, a crossover probability are developed. A comparison of the approximation errors obtained by the stochastic differential evolution algorithm and by other (deterministic) algorithms is made for a series of test functions. Results of the comparison showed that an accuracy of the functions approximation by splines using the differential evolution is not worse than using much more complicated deterministic algorithms of the best uniform approximation. This testifies about the effectiveness of the differential evolution algorithm. It can be used as an alternative for known deterministic algorithms of spline approximation Розглянуто задачу найкращого рівномірного наближення функцій поліноміальними сплайнами з фіксованими вузлами. Для її розв’язання запропоновано підхід на основі еволюційних алгоритмів — потужного класу стохастичних пошукових методів оптимізації. Для знаходження сплайна найкращого рівномірного наближення адаптовано алгоритм диференціальної еволюції. Це один із кращих еволюційних алгоритмів, який стабільно знаходить глобальний оптимум цільової функції (критерію оптимізації) за мінімальний час. Еволюційний процес в алгоритмі починається з генерації популяції випадкових векторів, координати яких представляють собою можливі значення коефіцієнтів сплайна. Далі вектори постійно модифікуються за допомогою операцій мутації, схрещування та селекції з метою зменшення значення цільової функції (похибки наближення сплайном). Алгоритм завершується, якщо вичерпано задане максимальне число популяцій або відбувається стагнація еволюційного процесу. Алгоритм диференціальної еволюції простий у програмній реалізації й використанні (містить мало параметрів, що потребують підбору), легко розпаралелюється. Розроблені рекомендації щодо вибору оптимальних значень основних параметрів алгоритму: розміру популяції, коефіцієнта мутації, ймовірності схрещування. Для низки тестових функцій виконано порівняння похибок наближення, отриманих за стохастичним алгоритмом диференціальної еволюції та за іншими (детерміністичними) алгоритмами. Результати порівняння показали, що точність наближення функцій сплайнами з використанням алгоритму диференціальної еволюції не гірше, ніж при застосуванні значно складніших детерміністичних алгоритмів рівномірного наближення. Це свідчить про ефективність алгоритму диференціальної еволюції. Він може використовуватись як альтернатива відомим детерміністичним алгоритмам наближення сплайнами. Kamianets-Podilskyi National Ivan Ohiienko University 2019-01-27 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/173661 10.32626/2308-5916.2019-19.17-24 Mathematical and computer modelling. Series: Technical sciences; 2019: Mathematical and computer modelling. Series: Technical sciences. Issue 19; 17-24 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2019: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 19; 17-24 2308-5916 10.32626/2308-5916.2019-19 uk http://mcm-tech.kpnu.edu.ua/article/view/173661/173356 Авторське право (c) 2021 Математичне та комп'ютерне моделювання. Серія: Технічні науки