Multiple optima identification using multi-strategy multimodal genetic algorithm

Задача мультимодальной оптимизации заключается в нахождении множества всех глобальных и локальных оптимумов или аппроксимации этого множества. В данной работе предложен новый подход, основанный на метаэвристике для построения генетического алгоритма, включающего многие стратегии поиска. Предложенный подход позволяет управлять взаимодействием нескольких поисковых алгоритмов (разных генетических алгоритмов для мультимодальной оптимизации) и обеспечивает самоконфигурируемое решение задачи с априори неизвестной структурой. В статье представлены результаты численных экспериментов и сравнение с другими известными подходами на множестве традиционных тестовых задач мультимодальной оптимизации и задачах, предложенных на конкурсе по мультимодальной оптимизации в рамках конференции IEEE CEC. Предложенный подход демонстрирует лучшую эффективность, чем стандартные подходы, основанные на идее ниш, и сравнимую с современными усовершенствованными алгоритмами. Особенностью и преимуществом предложенного подхода является то, что он не требует привлечения дополнительных экспертных знаний, так как работает в автоматизированном, самоконфигурируемом режиме.