No abstract

Abstract. The paper studies are the search optimization task of multi-extremal objects, which are more complicated than mono-extremal. Paper postulates that to nd extreme suitable values on complex test function the heuristic algorithm is one way. Self-Organizing Migrating Algorithm and devised approach applied to this task are considered. Conducted research established common test environment to compare multiextremal test functions. Specic characteristics for problem solving of detection and identication of global and local extreme are included. Additional clustering mechanism is described. Obtained measurements of Self-Organizing Migrating Algorithm on a range of multi-extremal test functions are illustrated.

Ключевые слова: оптимизация, экстремум, многоэкстремальность, поисковая оптимизация, кластери-зация, эвристические методы, эволюционно-генетический подход, метод роящихся частиц, муравьиный алгоритм.Введение. Многие современные проблемы науки, техники, экономики, военного дела и пр. связаны с решением задач поиска оптимальных характеристик объектов проектирования: конструкций, технологий, режимов и условий работы, динамических и статических состояний и т. д. Иными словами, разработчикам приходится решать задачи поисковой оптимизации (ПО) [1][2][3]. Характерно, что большинство известных на сегодня методов ПО разработано и эффективно используется для нахождения одного оптимума -чаще всего, глобального [3,4]. Однако многие задачи планирования, сложные технологические комплексы, транспортные задачи и другие объекты оптимизации (особенно дискретной природы) характеризуются многоэкстремальностью (МЭ) [4][5][6][7][8][9][10][11]. Столь существенное отличительное свойство требует специфических методов решения таких задач. Вряд ли эти методы целесообразно искать в классе детерминированных методов ПО. Они слишком чувствительны к знакопеременности и разрывности функций отклика в конти-* Работа выполнена в рамках инициативной НИР.

No abstract