Необходимость поддержания работоспособности системы в условиях априорной неопределенности
и резких, непредвиденных изменений привела к развитию большого числа
разнообразных численных методов, сейчас часто называемых «классическими». <...> Но в то же время стандартные численные методы и методы математического программирования иногда не способны гарантировать хорошие
результаты: надежное обнаружение изменений и быстродействующую
адаптацию к вновь возникшим условиям при низкой вычислительной
стоимости. <...> Эти обстоятельства усиливают интерес к альтернативным решениям, иногда эвристическим; в их числе заимствование механизмов адаптации из природной эволюции. <...> В данной работе рассматривается применение
эволюционных методов, в частности генетических алгоритмов, в качестве
альтернативы стандартным численным методам и проводится сравнительное
исследование классических методов и генетического подхода на основе экспериментальных данных, полученных с помощью специально разработанного программного продукта, в классе стохастических систем с обнаружением
и адаптацией. <...> Введение
В настоящее время во многих областях математической кибернетики,
математического моделирования и системного анализа получают развитие неклассические методы, берущие свое происхождение из науки об эволюционном отборе и развитии организмов в биологии, так называемые эволюционные
алгоритмы. <...> Эти исследования тесно связаны с другими «неклассическими»
направлениями – теорией нейронных сетей, теорией нечетких множеств, теорией «возможностей» и др., которые вместе с методами эволюционного моделирования составляют основу так называемых «мягких вычислений» (soft computing) [1]. <...> Также необходимо отметить, что решение практических задач обработки экспериментальных данных в ряде технических областей – навигации, радиолокации, связи и телекоммуникациях, в экономике и промышленности, в
биологии, медицине и сейсмологии <...>