Асимптотический вероятностный генетический алгоритм

Задачи оптимизации постоянно возникают в деятельности человека. Классические методы оптимизации накладывают жёсткие ограничения на задачи оптимизации: гладкость, выпуклость, аналитическое задание функций. Однако многие практические задачи оптимизации не укладываются в эти рамки. Развитие науки и техники привело к появлению задач, характеризующихся такими свойствами, как алгоритмическое задание целевой функции, многоэкстремальность, наличие дискретных переменных. Такие задачи оптимизации могут быть решены с помощью эволюционных алгоритмов или алгоритмов с оценкой распределения (EDA). В данной работе предлагается новый метод оптимизации класса EDA, имеющий ясную интерпретацию в терминах теории вероятности и эффективно использующий особенности архитектуры современных ЭВМ.