Сибирский федеральный университет

Задача мультимодальной оптимизации заключается в нахождении множества всех глобаль- ных и локальных оптимумов или аппроксимации этого множества. В данной работе предложен новый подход, основанный на метаэвристике для построения генетического алгоритма, включа- ющего многие стратегии поиска. Предложенный подход позволяет управлять взаимодействием нескольких поисковых алгоритмов (разных генетических алгоритмов для мультимодальной оп- тимизации) и обеспечивает самоконфигурируемое решение задачи с априори неизвестной струк- турой. В статье представлены результаты численных экспериментов и сравнение с другими известными подходами на множестве традиционных тестовых задач мультимодальной опти- мизации и задачах, предложенных на конкурсе по мультимодальной оптимизации в рамках кон- ференции IEEE CEC. Предложенный подход демонстрирует лучшую эффективность, чем стан- дартные подходы, основанные на идее ниш, и сравнимую с современными усовершенствованными алгоритмами. Особенностью и преимуществом предложенного подхода является то, что он не требует привлечения дополнительных экспертных знаний, так как работает в автоматизиро- ванном, самоконфигурируемом режиме