Стаття присвячена оцінці обчислювальної складності генетичного алгоритму як одного із ключових засобів для розв’язання оптимізаційних задач. Розглянуто теоретичні аспекти обчислювальної складності алгоритмів та взаємозв'язок елементів генетичного алгоритму. Описано основні види обчислювальної складності алгоритмів: часову, просторову та асимптотичну. Наведено п’ять основних правил для розрахунку асимптотичної складності.
Наведено метод апроксимації функцій поліномами з дійсними степенями, в якому підбір степеня здійснюється за допомогою генетичного алгоритму.
The method of approximation of functions by polynomials with real powers, which is the power of selection with a genetic algorithm.
Стаття присвячена особливостям використання генетичного алгоритму (ГА) для розв’язання оптимізаційних задач. Наведено класифікацію оптимізаційних задач. Детально описано структурні елементи ГА та їх роль для розв’язання задачі комівояжера. Для оцінки впливу параметрів ГА на ефективність його застосування здійснено дослідження впливу розміру популяції на довжину маршруту комівояжера. На основі отриманих результатів показано, що розмір популяції впливає на довжину маршруту, а оптимальне значення розміру популяції для даної задачі становить 150.
The article presents a study of the influence of Lemna minor population density on the bioelectric potential and current of model electro-biosystems in the laboratory сonditions using 500 and 1000 Ω resistors and in the open circuit. The positive effect of increasing the density of duckweed plants populations from 60 to 120 fronds/ml on the growth of bioelectric parameters of model electro-biosystems under load conditions and without resistors was revealed. Increasing the amount of duckweed biomass is a factor of enhancing the efficiency of electro-biosystems based on L.
У статті розглядається поняття генетичних алгоритмів. Подаються практичні підходи та різновиди генетичних алгоритмів. Проведено дослідження наукових робіт вітчизняних та зарубіжних дослідників. Наведено методи та приклади розв’язку задач дейтамайнінгу (data mining) для генетичних алгоритмів. Наводиться тезаурус основних складових моделей генетичних алгоритмів. Наводиться паралель між біологічними системами та системами направленими на вирішення технічних завдань.