ОСНОВАНИЯ ПРИМЕНЕНИЯ КВАЗИБИОЛОГИЧЕСКИХ ПОДХОДОВ К РЕШЕНИЮ ОПТИМИЗАЦИОННЫХ ЗАДАЧ 

Имамутдинов Антон Игоревич, аспирант, Пензенский государственный университет (440026, Россия, г. Пенза, ул. Красная, 40), E-mail: antonim94@yandex.ru
Слепцов Николай Владимирович, кандидат технических наук, доцент, кафедра экономической кибернетики, Пензенский государственный университет (440026, Россия, г. Пенза, ул. Красная, 40), E-mail: nbs_nbs@km.ru 

519.718 

DOI

10.21685/2307-4205-2019-3-11 

Актуальность и цели. К постановке проблемы возможности целевого использования базовых принципов функционирования и развития биологических систем в естественном окружении для решения сложных и практически важных задач, таких как задачи оптимизации систем, приводят эффективность и согласованность действия элементов биологических объектов всех уровней, существующих в условиях непрерывной биологической эволюции, равно как и функциональность строения объектов, сформировавшихся под влиянием естественного отбора.
Материалы и методы. Рассмотрены процессы эволюционного возникновения и развития носителей кодирования информации об объектах и системах. Проанализированы модели эволюционного развития как средства исследования и построения сложных систем.
Результаты. Даны оценки и обоснована применимость квазибиологических методов для решения сложных многопараметрических задач.
Выводы. Модели генетико-молекулярных информационных систем могут служить основанием для развития систем представления, генерации и оптимизации сложных структур. Рассмотрение моделей эволюции информационных последовательностей позволяет сделать вывод о возможности формального обоснования базовых характеристик методов – получении единого решения, средней скорости получения решения, характеристик связности для генетических систем управления клеточными организмами. 

Ключевые слова

моделирование, система, эволюционное развитие, информационные последовательности, автоматы, модели эволюции 

 Скачать статью в формате PDF

1. Слепцов, Н. В. Оптимизация эволюционнно-генетического поиска / Н. В. Слепцов, П. П. Макарычев. – KG Saarbrucken Germany : LAP LAMBERT Academic Publishing GmbH& Co., 2012. – 337 с.
2. Редько, В. Г. Эволюционная кибернетика / В. Г. Редько. – Москва : Наука, 2001. – 274 с.
3. Chambers Practical handbook of genetic algorithms v 3 Complex coding systems 2 ed. – 2001.