Переборный алгоритм МГУА с генетическим поиском оптимальной модели

Представлена архитектура обобщенного итерационного алгоритма метода группового учета аргументов, частными случаями которого есть алгоритмы многорядного и релаксационного типов, а также разновидности итерационно-комбинаторных алгоритмов. На основе предложенной методики численного анализа эффективност...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Управляющие системы и машины
Datum:2016
1. Verfasser: Мороз, О.Г.
Format: Artikel
Sprache:Russian
Veröffentlicht: Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2016
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/117316
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Переборный алгоритм МГУА с генетическим поиском оптимальной модели / О.Г. Мороз // Управляющие системы и машины. — 2016. — № 6. — С. 73–79, 88. — Бібліогр.: 22 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-117316
record_format dspace
spelling Мороз, О.Г.
2017-05-22T13:32:06Z
2017-05-22T13:32:06Z
2016
Переборный алгоритм МГУА с генетическим поиском оптимальной модели / О.Г. Мороз // Управляющие системы и машины. — 2016. — № 6. — С. 73–79, 88. — Бібліогр.: 22 назв. — рос.
0130-5395
https://nasplib.isofts.kiev.ua/handle/123456789/117316
681.5.015
Представлена архитектура обобщенного итерационного алгоритма метода группового учета аргументов, частными случаями которого есть алгоритмы многорядного и релаксационного типов, а также разновидности итерационно-комбинаторных алгоритмов. На основе предложенной методики численного анализа эффективности итерационных алгоритмов выполнено их сравнительное исследование и вопрос сходимости к истинной модели.
Представлено архітектуру узагальненого ітераційного алгоритму методу групового урахування аргументів, окремими випадками якого є алгоритми багаторядного та релаксаційного типів, а також різновиди ітераційно-комбінаторних алгоритмів. На основі запропонованої методики чисельного аналізу ефективності ітераційних алгоритмів виконано їх порівняльне дослідження і питання збіжності до істинної моделі.
The latest results concerning a sorting-out COMBI-GA hybrid algorithm with genetic search of optimal model as an alternative to known algorithms based on the determinate search procedures is summarized. Methods. The genetic-based algorithm uses the genetic operators to find an optimal model and reduce the exhaustive search of the combinatorial algorithm. Results. The effectiveness of four genetic operators is compared in COMBI-GA hybrid algorithm for solving test and real-world inductive modeling problems of diverse dimension.
ru
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
Управляющие системы и машины
Методы и средства обработки данных и знаний
Переборный алгоритм МГУА с генетическим поиском оптимальной модели
Sorting-Out the GMDH Algorithm with the Genetic Search of Optimal Model
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Переборный алгоритм МГУА с генетическим поиском оптимальной модели
spellingShingle Переборный алгоритм МГУА с генетическим поиском оптимальной модели
Мороз, О.Г.
Методы и средства обработки данных и знаний
title_short Переборный алгоритм МГУА с генетическим поиском оптимальной модели
title_full Переборный алгоритм МГУА с генетическим поиском оптимальной модели
title_fullStr Переборный алгоритм МГУА с генетическим поиском оптимальной модели
title_full_unstemmed Переборный алгоритм МГУА с генетическим поиском оптимальной модели
title_sort переборный алгоритм мгуа с генетическим поиском оптимальной модели
author Мороз, О.Г.
author_facet Мороз, О.Г.
topic Методы и средства обработки данных и знаний
topic_facet Методы и средства обработки данных и знаний
publishDate 2016
language Russian
container_title Управляющие системы и машины
publisher Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
format Article
title_alt Sorting-Out the GMDH Algorithm with the Genetic Search of Optimal Model
description Представлена архитектура обобщенного итерационного алгоритма метода группового учета аргументов, частными случаями которого есть алгоритмы многорядного и релаксационного типов, а также разновидности итерационно-комбинаторных алгоритмов. На основе предложенной методики численного анализа эффективности итерационных алгоритмов выполнено их сравнительное исследование и вопрос сходимости к истинной модели. Представлено архітектуру узагальненого ітераційного алгоритму методу групового урахування аргументів, окремими випадками якого є алгоритми багаторядного та релаксаційного типів, а також різновиди ітераційно-комбінаторних алгоритмів. На основі запропонованої методики чисельного аналізу ефективності ітераційних алгоритмів виконано їх порівняльне дослідження і питання збіжності до істинної моделі. The latest results concerning a sorting-out COMBI-GA hybrid algorithm with genetic search of optimal model as an alternative to known algorithms based on the determinate search procedures is summarized. Methods. The genetic-based algorithm uses the genetic operators to find an optimal model and reduce the exhaustive search of the combinatorial algorithm. Results. The effectiveness of four genetic operators is compared in COMBI-GA hybrid algorithm for solving test and real-world inductive modeling problems of diverse dimension.
issn 0130-5395
url https://nasplib.isofts.kiev.ua/handle/123456789/117316
citation_txt Переборный алгоритм МГУА с генетическим поиском оптимальной модели / О.Г. Мороз // Управляющие системы и машины. — 2016. — № 6. — С. 73–79, 88. — Бібліогр.: 22 назв. — рос.
work_keys_str_mv AT morozog perebornyialgoritmmguasgenetičeskimpoiskomoptimalʹnoimodeli
AT morozog sortingoutthegmdhalgorithmwiththegeneticsearchofoptimalmodel
first_indexed 2025-12-07T17:28:05Z
last_indexed 2025-12-07T17:28:05Z
_version_ 1850871367340130304