Решение задачи равномерной нелинейной аппроксимации с использованием непрерывного генетического алгоритма
Запропоновано неперервний генетичний алгоритм для розв’язання задачі найкращої рівномірної нелінійної апроксимації функцій. За результатами обчислювальних експериментів виконано порівняння цього алгоритму зі спеціалізованими алгоритмами наближення. Наведено приклад застосування генетичного алгоритму...
Gespeichert in:
| Veröffentlicht in: | Проблемы управления и информатики |
|---|---|
| Datum: | 2016 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2016
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/208168 |
| 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: | Решение задачи равномерной нелинейной аппроксимации с использованием непрерывного генетического алгоритма / Л.П. Вакал // Проблемы управления и информатики. — 2016. — № 3. — С. 17-27. — Бібліогр.: 25 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| Zusammenfassung: | Запропоновано неперервний генетичний алгоритм для розв’язання задачі найкращої рівномірної нелінійної апроксимації функцій. За результатами обчислювальних експериментів виконано порівняння цього алгоритму зі спеціалізованими алгоритмами наближення. Наведено приклад застосування генетичного алгоритму для побудови нелінійної емпіричної функції двох змінних для наближення експериментальних даних щодо продуктивності фільтра.
A continuous genetic algorithm for solving a problem of the best uniform nonlinear approximation is proposed. A comparison of this algorithm with specialized algorithms of approximation is made according to results of computational experiments. It is presented an example of constructing a nonlinear empiric function of two variables for approximation of experimental data on filter capacity with using the genetic algorithm.
|
|---|---|
| ISSN: | 0572-2691 |