Розглянуто основні властивості нових операцій над матрицями, їх зв'язок з кронекеровським та адамаровим добутками матриць. Наведено приклади використання нових типів добутків для опису еволюції складних систем.

Рассмотрен подход, который используется при проектировании сочетания численно-аналитических методов моделирования и аналогий с процессами, происходящими в природе. Описан обобщенный алгоритм эволюционного моделирования. Показано, что при использовании численно-аналитических моделей время моделирования процесса эволюции уменшается в 1,5 - 2,3 раза.

Наведено результати дослідження неітеративних, еволюційних і мультиагентних методів синтезу моделей залежностей на базі штучних нейронних і нейро-нечітких мереж. Значну увагу приділено аналізу та класифікації еволюційних і мультиагентних методів Swarm Intelligence (колективного інтелекту). Запропоновано широкий арсенал нових методів для побудови моделей в задачах діагностики, оцінювання, прогнозування. Наведено приклади розв'язання практичних задач на підставі даних методів.

Приведены результаты исследования неитеративных, эволюционных и мультиагентных методов синтеза моделей зависимостей на основе искусственных нейронных и нейро-нечетких сетей. Значительное внимание уделено анализу и классификации эволюционных и мультиагентных методов Swarm Intelligence (коллективного интеллекта). Предложен широкий арсенал новых методов для построения моделей в задачах диагностики, оценки, прогнозирования. Приведены примеры решения практических заданий на основе данных методов.

Розглянуто основні теоретичні та методологічні матеріали з еволюційних обчислень, які є самостійним напрямом у теорії інтелектуальних систем. Розкрито базисні поняття класичних генетичних алгоритмів (ГА), теорія схем і розв'язки задач числової та комбінаторної оптимізації за допомогою ГА. Висвітлено узагальнення та модифікації ГА, паралельні та ймовірнісні ГА. Викладено основи генетичного програмування та машинного навчання, еволюційні стратегії та програмування, а також питання програмної й апаратної реалізації ГА.

Рассмотрены основные теоретические и методологические материалы по эволюционным вычислениям, являющихся самостоятельным направлением в теории интеллектуальных систем. Раскрыты базисные понятия классических генетических алгоритмов (ГА), теория схем и решения задач числовой и комбинаторной оптимизации с помощью ГА. Освещены обобщения и модификации ГА, параллельные и вероятностные ГА. Изложены основы генетического программирования и машинного обучения, эволюционные стратегии и программирование, а также вопросы программной и аппаратной реализации ГА.

Розглянуто загальні схеми алгоритмів розповсюдження довіри на байєсівських мережах. Побудовано нові алгоритми розповсюдження довіри на основі нечітких потенціалів. Доведено коректність виконання цих алгоритмів та вказано умови їх застосування, за яких ці алгоритми є найбільш ефективними.

Наведено основні поняття, моделі та методи еволюційного пошуку, які ефективно використовуються у разі вирішення завдань дискретної та безперервної оптимізації. Розглянуто еволюційні методи, генетичне й еволюційне програмування, багатокритеріальну еволюційну оптимізацію, еволюційні методи синтезу нейромережевих моделей. Запропоновано оригінальні розробки, що дозволяють виконувати вибір інформативних ознак і побудову штучних нейронних мереж. Наведено опис програмних засобів, що реалізують розглянуті методи та моделі.

Приведены основные понятия, модели и методы эволюционного поиска, которые эффективно применяются при решении заданий дискретной и непрерывной оптимизации. Рассмотрены эволюционные методы, генетическое и эволюционное программирование, многокритериальная эволюционная оптимизация, эволюционные методы синтеза нейросетевых моделей. Предложены оригинальные разработки, позволяющие выполнять выбор информационных признаков и построение штучных нейронных сетей. Приведено описание программных средств, реализующих рассмотренные методы и модели.

Розглянуто методи розв'язання слабоформалізованих задач на основі моделювання розумової діяльності живих істот, еволюції біологічних видів та нечіткої логіки. Описано інтелектуальні методи обчислень, градієнтні методи другого порядку, багатошарові нейромережі прямого поширення, мережі з перетворенням вхідного простору, зі зворотніми зв'язками та зустрічного поширення, прискорені варіанти методу зворотного поширення похибки. Визначено філософські відмінності між еволюційними та генетичними алгоритмами, основні операції над нечіткими множинами та етапи побудови нечітких систем, типи інтелектуальних систем, зокрема, виявлення аномалій в діяльності користувачів комп'ютерних систем.

Рассмотрены методы решения слабоформализированных задач на основе моделирования умственной деятельности живых существ, эволюции биологических видов и нечёткой логики. Описаны интеллектуальные методы вычислений, градиентные методы второго порядка, многослоевые нейросети прямого распространения, сети с преобразованием входящего пространства, с обратными связями и встречного распространения, ускоренные варианты метода обратного распространения погрешности. Определены философские отличия между эволюционными и генетическими алгоритмами, основные операции над нечёткими множествами и этапы построения нечётких систем, типы интеллектуальных систем, в частности, выявления аномалий в деятельности пользователей компьютерных систем.

Проанализирована задача составления расписания занятий. Предложены алгоритм составления расписания занятий и возможный путь его развития с использованием генетического алгоритма.

Предложен новый подход к решению задачи минимизации рассеивания тепла входных тестовых последовательностей. Этот подход основан на понятии избыточного тестирования и состоит из трёх этапов: генерация избыточных тестовых наборов, оценка их параметра рассеивания тепла и выбор оптимального множества подпоследовательностей. Решение задачи последнего этапа основано на генетическом алгоритме. Приведены результаты машинных экспериментов на схемах из международного каталога ISCAS-89, показывающие эффективность предложенного подхода.

Досліджено ефективність застосування паралельних генетичних алгоритмів, що виконуються на Grid-системі, для вирішення задачі створення розкладу занять ВУЗу. Розглянуту задачу віднесено до класу задач багатокритеріальної оптимізації та є NP-повною. Застосування генетичних алгоритмів спрощує підтримку численних вимог до розкладу та дозволяє легко додавати нові. Розглянуто вплив генетичних операторів (відбір, схрещування та ін.) та їх налаштувань на якість одержаної популяції. Досліджено ефективність паралельних генетичних алгоритмів двох типів - із використанням острівної моделі та динамічних демів. Розглянуто вплив кількості процесів на швидкість генетичного пошуку. Визначено умови доцільності застосування генетичного алгоритму із динамічними демами для задачі пошуку розкладу.

Проведено порівняльний аналіз роботи генетичних алгоритмів (ГА) з трьома різними генераторами випадкових чисел і хаотичного ГА оптимізації багатоестремальних функцій Растрігіна, Швефеля і Грівонка. Показано, що класичний ГА добре справляється з рішенням задачі глобальної оптимізації, хоча і має різні швидкості визначення глобального мінімуму під час використання різних генераторів випадкових чисел. Відзначено, зокрема, що при мінімізації функції Грівонка тільки генератор Urand показав найкращу збіжність до мінімуму. Показано, що модифікація ГА, заснована на застосуванні хаотичного генератора Лоренца в механізмі мутації, вимагає подальшого дослідження і може проявити свою ефективність у випадку оптимізації зашумлених багатоекстремальних функцій та/або за умов повної їх невизначеності.

Исследована сходимость мультистартового итеративного субградиентного метода в пространстве вейвлет-преобразования. Доказана сходимость этого метода в среднеквадратическом смысле и с вероятностью единица. Метод позволяет повысить помехоустойчивость и понизить чувствительность к локальным экстремумам и начальной точке поиска.

Предложен метод решения многоцелевых задач оптимизации многоэкстремальных функций с обобщенными аргументами с помощью комплексного генетического алгоритма. Метод испытан и рекомендован для использования при проектировании объектов, имеющих обобщенные параметры, например, единую скорость вращения двух инструментов, расположенных на одном валу.

Решена задача автоматизации поиска наиболее информативной комбинации признаков. Предложен метод отбора информативных признаков на основании моделирования перемещения бактерий. Проведены эксперименты по выделению набора информативных признаков для синтеза распознающих моделей хронического бронхита.

Розроблено метод побудови математичних моделей складних процесів на засадах генетичних алгоритмів. У порівнянні з багаторядним алгоритмом групового врахування аргументів даний метод надає можливість синтезувати математичні моделі будь-якої складності без попереднього вибору числа рядів селекції. Метод знайде застосування для підвищення точності прогнозів коливних процесів, наприклад, рівня р. Дністер.

Розроблено метод синтезу емпіричних моделей, які надано у вигляді поліноміальної регресії, на засадах генетичних алгоритмів. Даний метод, на відміну від комбінаторного методу, значно скорочує кількість обчислювальних операцій, що відкриває можливості для синтезу складних моделей технологічних процесів. Такі моделі можна використати у задачах оптимізації та діагностування технічних систем. Ефективність розробленого методу перевірено на прикладі синтезу емпіричних моделей процесу компримування природного газу.

Описано найбільш розповсюджені математичні методи для розв'язку задачі пошуку першопричини несправності - використання нейронних мереж і експертних систем на основі набору правил. Запропоновано модель ефективної системи обробки несправностей і кореляції повідомлень про помилки на основі теорії нейронних мереж.

Рассмотрены многокритериальные эволюционные методы и алгоритмы. Проанализированы основные особенности реализации основных эволюционных алгоритмов. Рассмотрена и проанализирована возможность применения эволюционных алгоритмов в задачах сценарного планирования.

Проанализированы факторы, влияющие на продолжительность движения пожарного расчета к месту пожара. Предложена модель представления транспортных магистралей города на основании теории графов. Разработан алгоритм определения оптимального пути следования пожарного расчета к месту пожара на основании эволюционных вычислений: определена fitness-function, модифицированы операторы селекции, кроссовера.

Розглянуто актуальність і масовий характер проблематики оптимізаційного моделювання, що призвело до розробки та широкомасштабного впровадження доступних, потужних й ефективних засобів математичної оптимізації. Вважається, що цей процес має призвести до суттєвого підвищення якості управлінських рішень, що приймаються на різних рівнях відповідальності. Важливо, що ці засоби орієнтовані на розв'язання задач оптимізації, реалізація математичних моделей яких до сьогодні була недосяжна для звичайних управлінців та аналітиків. Розглянуто новітні програмні засоби еволюційного програмування, які дозволяють на звичайному робочому місці професійного користувача без будь-яких додаткових витрат розв'язувати оптимізаційну задачу комівояжера, яка має безліч варіантів і модифікацій.