Tog‘ echkisining moslashuvchan muvozanat, xavfni baholash va harakat traektoriyalariga asoslangan optimallashtirish yondashuvi

Авторы

  • J.R Abdurazzoqov

    Ташкентский Международный Университет image/svg+xml

Ключевые слова: биологическая оптимизация, метаэвристика, эволюционный алгоритм, механизм риска, энергетическая модель, сходимость

Аннотация

Представлен новый бионический алгоритм оптимизации, основанный на естественных механизмах оценки риска и управления энергией у горных козлов. Модель использует специальный коэффициент избегания риска и адаптивную энергетическую динамику для поддержания баланса между глобальным поиском и локальной оптимизацией. Метод протестирован на функциях Шара, Розенброка, Расстригина и Экли и сопоставлен с PSO и DE. Эксперименты показывают быструю и устойчивую сходимость на гладких функциях и конкурентные результаты на сложных мультимодальных ландшаф- тах. В целом подход демонстрирует эффективность и надёжность для задач высокомерной оптимизации.

Библиографические ссылки

1. Suganthan P. N. Differential Evolution Algorithm: Recent Advances. // Theory and Practice of Natural Computing / под ред. Dediu Adrian-Horia and Martín-Vide C. and T. B. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. – Р. 30-46.

2. Bäck T. Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, Genetic Algorithms. – Oxford University Press, 1996.

3. Liang J. и др. A survey of surrogate-assisted evolutionary algorithms for expensive optimization. // Journal of Membrane Computing. 2025. Т. 7, № 2. – Р. 108-127.

4. Khan S. и др. Optimizing deep neural network architectures for renewable energy forecasting. // Discover Sustainability. 2024. Т. 5.

5. Yang M. и др. Evolutionary Design of S-Box with Cryptographic Properties. 2011. – Р. 12-15.

6. Citterio B., Tangherloni A. EvoGrad: Metaheuristics in a Differentiable Wonderland. 2025.

7. Zheng B., Cheng R., Tan K. C. EvoRL: A GPU-accelerated Framework for Evolutionary Reinforcement Learning. // ACM Trans. Evol. Learn. Optim. New York, NY, USA: Association for Computing Machinery, 2025.

8. Huang C. и др. Operator-Adapted Evolutionary Large-Scale Multiobjective Optimization for Voltage Transformer Ratio Error Estimation. // Evolutionary Multi-Criterion Optimization / под ред. Ishibuchi H. и др. Cham: Springer International Publishing, 2021. – Р. 672-683.

9. Ahmad S. и др. Recent advances in ecological research on Asiatic ibex (Capra sibirica): A critical ungulate species of highland landscapes. // Glob. Ecol. Conserv. 2022. Т. 35. – Р. e02105.