| Title: | Использование генетических алгоритмов для решения оптимизационных задач природопользования |
| Other Titles: | Using genetic algorithms to solve optimization problems of nature management |
| Authors: | Рыбак, В. А. |
| Keywords: | публикации ученых;генетические алгоритмы;природопользование;экология;нейронные сети |
| Issue Date: | 2025 |
| Publisher: | ООО «Цифра» |
| Citation: | Рыбак, В. А. Использование генетических алгоритмов для решения оптимизационных задач природопользования = Using genetic algorithms to solve optimization problems of nature management / В. А. Рыбак // Международный научно-исследовательский журнал. – 2025. – № 3. – С. 1–11. |
| Abstract: | В работе приводятся результаты исследования возможности применения генетических алгоритмов для повышения эффективности финансовых вложений в природоохранные мероприятия. На основе балльных оценок экологического состояния основных природных сред и показателей, а также стоимости улучшения каждой составляющей разработан способ быстрого нахождения наилучшего варианта, который при минимизации затрат даёт максимальную отдачу. Освящены вопросы влияния размера начальной популяции хромосом на точность получаемого результата и количество требуемых итераций. Изучены вопросы применения генетических операторов скрещивания и мутации. Показано, что применение скрещивания с вероятностью 40% позволяет получить ответ, который в 4 и более раза точнее случая со 100% скрещиванием. Оператор мутации оправданно применять в редких случаях для больших по численности начальных популяций с вероятностью 0,001%. В результате поставленную задачу оптимизации получается решить до 81 раза быстрее. |
| Alternative abstract: | The paper presents the results of a study of the possibility of using genetic algorithms to improve the efficiency of financial investments in environmental protection measures. Based on point assessments of the ecological state of the main natural environments and indicators, as well as the cost of improving each component, a method for quickly finding the best option has been developed, which, while minimizing costs, gives the maximum return. The issues of the influence of the size of the initial population of chromosomes on the accuracy of the result obtained and the number of required iterations are covered. The issues of using genetic operators of crossover and mutation are studied. It is shown that the use of crossover with a probability of 40% allows you to get an answer that is 4 or more times more accurate than the case with 100% crossover. The mutation operator is justified in rare cases for large initial populations with a probability of 0.001%. As a result, the optimization problem can be solved up to 81 times faster. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/62703 |
| DOI: | https://doi.org/10.60797/IRJ.2025.153.64 |
| Appears in Collections: | Публикации в зарубежных изданиях
|
