Алгоритми розпаралелювання обчислень для векторних задач дискретної оптимізації

• Опубліковано в: : Компьютерная математика
• Дата: 2015
• Автор: Семенов, В.В.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
• Теми: Теория и методы оптимизации
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/168371
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Алгоритми розпаралелювання обчислень для векторних задач дискретної оптимізації / В.В. Семенов // Компьютерная математика. — 2015. — № 1. — С. 134-141. — Бібліогр.: 9 назв. — рос.

Розроблено підхід до розв’язання векторних задач дискретної оптимізації, в якому для знаходження Парето-оптимальних розв’язків використовується множина опорних точок. Даний підхід орієнтовано для виконання паралельних обчислень. Побудовано паралельний алгоритм, що використовує ідеї методу вектора спаду, в результаті роботи якого знаходиться множина недомінованих розв’язків, що апроксимують множину Парето розв’язуваної задачі, і відповідна їй недомінована множина оцінок у просторі критеріїв. Разработан подход к решению векторных задач дискретной оптимизации, в котором для нахождения Парето-оптимальных решений используется множество опорных точек. Данный подход ориентирован для выполнения параллельних вычислений. Построен параллельный алгоритм, использующий идеи метода вектора спада, в результате работы которого находится множество недоминируемых решений, которые аппроксимируют множество Парето решаемой задачи, и соответствующее ему недоминируемое множество оценок в пространстве критериев. Approach to the solution of vector problems of discrete optimization is developed. For finding of Pareto-optimum solutions the sets of reference points is used. This approach implemented in a parallel algorithm. A parallel algorithm which uses the ideas of method of vector of decrease is built. A result of work of parallel algorithm is a set of the nondomined solutions, which is approximating the set of Pareto of the initial problem, and nondomined set of estimations in the objective space.