Solving General Nonlinear Programming Problems with a Genetic Algorithm

В работе предложен генетический алгоритм решения задачи условной оптимизации общего вида с дополнительной популяцией для поиска допустимых особей и модифицированным турнирным отбором. При поиске решения акцент сделан на его допустимости, поэтому оценка приспособленности особей  в первую очередь определяется не сравнением значений целевой функции, а качеством выполнения ограничений. Такой подход сочетает в себе эффективность генетических алгоритмов при решении задач глобальной оптимизации с простым и естественным непосредственным учетом условий в виде равенств или неравенств при поиске оптимального решения, не требуя дополнительных преобразований исходной задачи или сведения ее к безусловной оптимизации. Важной особенностью метода является то, что он в значительной степени обладает универсальностью и хорошо подходит для задач с большим числом ограничений произвольного вида и функций со сложным характером − овражных, многоэкстремальных, недифференцируемых. В работе реализован гибридный генетический алгоритм с дополнительным обучением элиты, что значительно повышает скорость сходимости и качество получаемого решения по сравнению с классическим алгоритмом.  Сравнение результатов решения известных тестовых задач с опубликованными ранее результатами применения существующих подходов свидетельствует о перспективности и эффективности представленного алгоритма.