Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
![](/pic/nikiforov.jpg)
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2024-24-4-637-644
УДК 519.688, 517.977.5
Мифтахов Э.Н., Кашникова А.П., Иванов Д.В.
Использование генетических алгоритмов для решения задачи поиска оптимального состава реакционной смеси
Использование генетических алгоритмов для решения задачи поиска оптимального состава реакционной смеси
Читать статью полностью
![](/images/pdf.png)
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Мифтахов Э.Н., Кашникова А.П., Иванов Д.В. Использование генетических алгоритмов для решения задачи поиска оптимального состава реакционной смеси // Научнотехнический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 4. С. 637–644. doi: 10.17586/2226-1494-2024-24-4-637-644
Аннотация
Введение. Представлен эвристический подход к оптимизации сложных физико-химических процессов в виде генетического алгоритма решения задач. В сравнении с другими эволюционными методами генетический алгоритм позволяет работать с большими пространствами поиска и сложными функциями оценки, что особенно важно при исследовании многофакторных физико-химических систем. В связи с достаточно высокой потребностью в вычислительных ресурсах при работе с крупными и сложными пространствами поиска оптимизация имеющихся схем организации расчетов положительно влияет на точность получаемых результатов. В работе предложен модифицированный генетический алгоритм, позволяющий минимизировать количество итераций для достижения заданной точности при решении задачи поиска оптимального состава исходной реакционной смеси. Метод. Для сложного физико-химического процесса сформулирована задача оптимизации, которая заключается в поиске состава исходной реакционной смеси, способствующего максимизации (или минимизации) заданного целевого параметра. Критерий оптимальности определяется типом решаемой задачи и при организации вычислений ориентирован на максимальный выход целевого продукта. Основные этапы реализации генетического алгоритма включают в себя создание начального набора решений и последующую итерационную оценку их качества для дальнейшего комбинирования и изменения до достижения оптимальных значений с использованием механизмов, схожих с биологической эволюцией. Для повышения эффективности метода и сокращения числа итераций предложена модификация генетического алгоритма, которая сводится к динамической оценке параметра «мутации», зависящей от разнообразия особей в образованной популяции решений. Основные результаты. На основании серии вычислительных экспериментов проведен анализ влияния параметров генетического алгоритма на точность и эффективность решения задачи на примере исследования кинетики ферментативной реакции Михаэлиса–Ментен. Результаты вычислений по определению оптимального состава реакционной смеси показали, что динамическое определение параметра «мутации» способствует повышению точности решения задачи и кратному снижению относительной величины ошибки, достигающей 0,77 % при выполнении 200 итераций и 0,21 % — при 400 итераций. Обсуждение. Представленный модифицированный подход к решению задачи оптимизации не ограничен типом и наполнением изучаемого физико-химического процесса. Проведенные вычисления показали высокую степень влияния параметра «мутации» на точность и эффективность решения задачи, а динамическое управление величиной данного параметра позволило повысить скорость работы генетического алгоритма и уменьшить количество итераций для достижения оптимального решения заданной точности. Это особенно актуально при исследовании многофакторных систем, когда влияние параметров носит нетривиальный характер.
Ключевые слова: эволюционные методы, генетический алгоритм, задача оптимизации, реакция Михаэлиса–Ментен
Благодарности. Исследование выполнено за счет гранта Российского научного фонда № 24-21-00380, https://rscf.ru/project/24-21-00380/.
Благодарности. Исследование выполнено за счет гранта Российского научного фонда № 24-21-00380, https://rscf.ru/project/24-21-00380/.