Сравнение алгоритмов многокритериальной оптимизации характеристик радиотехнических устройств
https://doi.org/10.32362/2500-316X-2022-10-6-42-51
Аннотация
Цели. Вопрос о выборе метода решения задачи многокритериальной оптимизации из множества известных методов актуален для многих практических областей. Цель исследования – сравнить результаты применения разных методов на выбранных классах задач по качеству решений, затратам времени и другим критериям.
Методы. В работе сравниваются результаты применения различных алгоритмов при решении пяти задач многокритериальной оптимизации характеристик аналоговых и цифровых фильтров и многоступенчатых согласующих СВЧ-трансформаторов. Исследовались популяционный алгоритм GDE3, осуществляющий поиск одновременно всей аппроксимации множества Парето-оптимальных решений, и три алгоритма, основанные на скаляризации целевой функции, которые в одном цикле поиска находят один элемент указанного множества. Это многократный запуск покоординатного поиска MSPS, многократный запуск алгоритма последовательного квадратичного программирования MSSQP и алгоритм роя частиц PSO.
Результаты. Проведенное исследование показало, что популяционный алгоритм GDE3 позволяет успешно находить множества решений для всех рассмотренных задач. В двух задачах из пяти алгоритмы MSPS и PSO существенно уступили GDE3 как по качеству решений, так и по затратам времени на поиск одного решения. В одной из задач алгоритм MSSQP оказался неработоспособным. В других задачах алгоритмы, основанные на скаляризации, находили решения, не только не уступающие, а в некоторых случаях и превосходящие результаты GDE3. При этом затраты времени на поиск одного решения у MSPS и PSO оказались значительно бо́льшими, чем у GDE3 и MSSQP.
Выводы. Алгоритм GDE3 можно рекомендовать как базовый для решения подобных задач. Алгоритмы, основанные на скаляризации, целесообразно применять при поиске небольшого числа элементов множества Парето-оптимальных решений. Необходимо исследовать влияние особенностей рельефов отдельных показателей качества и скалярных целевых функций на процесс поиска решения.
Об авторе
А. В. Смирнов
ФГБОУ ВО «МИРЭА – Российский технологический университет»
Россия
Конфликт интересов:
Россия
Смирнов Александр Витальевич - к.т.н., доцент, профессор кафедры телекоммуникаций Института радиоэлектроники и информатики
119454, Москва, пр-т Вернадского, д. 78
Конфликт интересов:
Автор заявляет об отсутствии конфликта интересов
Список литературы
1. Гуткин Л.С. Оптимизация радиоэлектронных устройств по совокупности показателей качества. М.: Советское радио; 1975. 368 с.
2. Черноруцкий И.Г. Методы оптимизации в теории управления: учебное пособие. СПб.: Питер; 2004. 256 с.
3. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: учебное пособие. М.: Изд-во МГТУ им. Н.Э. Баумана; 2017. 446 с.
4. Jasbir S.A. Introduction to optimum design. 4th edition. Elsevier; 2017. 670 p. https://doi.org/10.1016/C2013-0-15344-5
5. Смирнов А.В. Оптимизация характеристик цифровых фильтров одновременно в частотной и временной областях. Российский технологический журнал. 2020;8(6):63–77. https://doi.org/10.32362/2500-316X-2020-8-6-63-77
6. Liu S., Lin Q., Tan K.Ch., Li Q. Benchmark problems for CEC2021 competition on evolutionary transfer multiobjective optimization. Technical Report. 2021. 24 p. https://doi.org/10.48550/arXiv.2110.08033
7. Ray T., Mamun M.M., Singh H.K. A simple evolutionary algorithm for multi-modal multi-objective optimization. 2022. 8 p. URL: https://arxiv.org/pdf/2201.06718.pdf
8. Wang Z., Yao X. An efficient multi-indicator and manyobjective optimization algorithm based on two-archive. 2022. 15 p. URL: https://arxiv.org/pdf/2201.05435v1.pdf
9. Chen T., Li M. The weights can be harmful: Pareto search versus weighted search in multi-objective search-based software engineering. 2022. 40 p. URL: https://arxiv.org/pdf/2202.03728.pdf
10. Смирнов А.В. Применение популяционных алгоритмов в задачах многокритериальной оптимизации характеристик электрических фильтров. Моделирование, оптимизация и информационные технологии. 2021;9(3). https://doi.org/10.26102/2310-6018/2021.34.3.015
11. Tian Y., Cheng R., Zhang X., Jin Y. PlatEMO: A MATLAB platform for evolutionary multi-objective optimization. IEEE Computational Intelligence Magazine. 2017;12(4):73–87. https://doi.org/10.1109/MCI.2017.2742868
12. Смирнов А.В. Свойства целевых функций и алгоритмов поиска в задачах многокритериальной оптимизации. Russ. Technol. J. 2022;10(4):75−85. https://doi.org/10.32362/2500-316X-2022-10-4-75-85
13. Смирнов А.В. Метод одновременной оптимизации характеристик электрических фильтров в частотной и временной областях. Российский технологический журнал. 2018;6(6):13–27. https://doi.org/10.32362/2500-316X-2018-6-6-13-27
14. Mersmann O., Bischl B., Trautmann H., Preuss M., Weihs C., Rudolf G. Exploratory landscape analysis. In: Proceedings of the 13th Annual Conference on Genetic and Evolutionary Computation (GECCO’11). 2011. P. 829–836. https://doi.org/10.1145/2001576.2001690
15. Trajanov R., Dimeski S., Popovski M., Korošec P., Eftimov T. Explainable landscape-aware optimization performance prediction. In: 2021 IEEE Symposium Series on Computational Intelligence (SSCI). 2021. https://doi.org/10.1109/SSCI50451.2021.9660124
Дополнительные файлы
|
|
1. Результаты решения Задачи 1 | |
| Тема | ||
| Тип | Исследовательские инструменты | |
Посмотреть
(74KB)
|
Метаданные | |
- В работе сравниваются результаты применения различных алгоритмов при решении пяти задач многокритериальной оптимизации характеристик аналоговых и цифровых фильтров и многоступенчатых согласующих СВЧ-трансформаторов.
- Исследовались популяционный алгоритм GDE3, осуществляющий поиск одновременно всей аппроксимации множества Парето-оптимальных решений, и три алгоритма, основанные на скаляризации целевой функции, которые в одном цикле поиска находят один элемент указанного множества. Это многократный запуск покоординатного поиска MSPS, многократный запуск алгоритма последовательного квадратичного программирования MSSQP и алгоритм роя частиц PSO.
- Алгоритм GDE3 можно рекомендовать как базовый для решения подобных задач. Алгоритмы, основанные на скаляризации, целесообразно применять при поиске небольшого числа элементов множества Парето-оптимальных решений.
Рецензия
Для цитирования:
Смирнов А.В. Сравнение алгоритмов многокритериальной оптимизации характеристик радиотехнических устройств. Russian Technological Journal. 2022;10(6):42-51. https://doi.org/10.32362/2500-316X-2022-10-6-42-51
For citation:
Smirnov A.V. Comparison of algorithms for multi-objective optimization of radio technical device characteristics. Russian Technological Journal. 2022;10(6):42-51. https://doi.org/10.32362/2500-316X-2022-10-6-42-51
Просмотров: 275
Послать статью по эл. почте 