Помощь в написании студенческих работ
Антистрессовый сервис

Разработка бионических методов синтеза радиоэлектронных устройств

Диссертация: Разработка бионических методов синтеза радиоэлектронных устройств
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Эволюционная оптимизация является наиболее простым этапом эволюционного проектирования. Процесс проектирования начинается с существующего проектного решения, отдельные параметры которого могут быть изменены в определенных пределах. Для всех возможных электронных схем учитываются все доступные элементы и технологические ограничения, такие как, сколько элементов может быть использовано, и то, как… Читать ещё >

Разработка бионических методов синтеза радиоэлектронных устройств (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ МЕТОДОВ И АЛГОРИТМОВ СИНТЕЗА РЭУ
    • 1. 1. Постановка задачи синтеза РЭУ
    • 1. 2. Анализ существующих подходов синтеза РЭУ
    • 1. 3. Применение эволюционных методов при решении задачи синтеза РЭУ
    • 1. 4. Выбор метода синтеза РЭУ
    • 1. 5. Выводы
  • 2. РАЗРАБОТКА ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ СТРУКТУРНОГО СИНТЕЗА РЭУ
    • 2. 1. Представление модели РЭУ в виде хромосомы для структурного синтеза
    • 2. 2. Определение целевой функции
    • 2. 3. Генетические операторы и структура генетических алгоритмов структурного синтеза РЭУ
    • 2. 4. Теоретическая оценка алгоритмов синтеза
    • 2. 5. Выводы
  • 3. РАЗРАБОТКА ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОГО СИНТЕЗА РЭУ
    • 3. 1. Представление модели РЭУ в виде хромосомы для параметрического синтеза
    • 3. 2. Определение целевой функции
    • 3. 3. Структура генетических алгоритмов параметрического синтеза РЭУ
    • 3. 4. Теоретическая оценка алгоритмов синтеза
    • 3. 5. Выводы
  • 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ
    • 4. 1. Цель экспериментальных исследований
    • 4. 2. Определение основных параметров генетических алгоритмов для структурного и параметрического синтеза РЭУ
    • 4. 3. Результаты экспериментальных исследований, сравнение с существующими алгоритмами
    • 4. 4. Выводы

Роль начальных стадий проектирования при разработке радиоэлектронных устройств (РЭУ) велика. Здесь закладываются основы новой разработки. Поэтому экономия средств и времени на начальной стадии оборачивается огромными затратами на последующих стадиях, связанных с устранением недоработок и ошибок.

Эффективность работ по проектированию технических устройств определяется их организацией на каждой стадии, и применяемой методикой. Это особенно важно на начальной стадии проектирования [1].

При проектировании электронных устройств разработчик сталкивается одновременно с проблемами поиска топологии и определения параметров схемы, а также с жесткими ограничениями к срокам проектирования. Поэтому традиционные методы проектирования являются малоэффективными, а отсутствие в используемых моделях и алгоритмах возможности изменения системы ограничивает область поиска решения только типовыми схемами. Современным и эффективным методом решения данной проблемы является использование эволюционного проектирования электронных устройств.

Методы эволюционного моделирования появились в начале 70-х годов двадцатого века. Однако только последние 10 лет эволюционное моделирование стало активно применяться в различных областях человеческой деятельности. Существует множество задач, решаемых с его использованием: автоматизация проектирования, создание искусственной жизни, эстетическое проектирование и др. [2]. В основе эволюционного проектирования лежит вычислительная техника, проектирование и эволюционная биология.

Эволюционное моделирование представляет собой одно из быстро развивающихся направлений математического моделирования, которое объединяет в себе компьютерные методы моделирования эволюционных процессов в естественных и искусственных системах, такие как генетические алгоритмы, эволюционные стратегии, эволюционное программирование и другие эвристические методы. Основной сложностью при построении вычислительных систем, основанных на принципах эволюции живой природы и применения этих систем в прикладных задачах, является то, что природные системы достаточно хаотичны, а действия исследователей носят направленный характер [3]. Исследователи используют компьютер как инструмент для решения поставленных задач, которые сами и формулируют, при этом внимание акцентируется на максимально быстром выполнении при минимальных затратах. Природные системы не имеют никаких таких целей или ограничений, во всяком случае, они не очевидны. Однако биологические системы обладают свойствами воспроизводства, адаптации, самоисправления, устойчивости, гибкости и многими другими, которые лишь фрагментарно присутствуют в искусственных системах [3].

Основная идея эволюционного проектирования заключается в поиске решения на основе эволюционной адаптации [4]. Набор схемных решений (текущая популяция) генерируется и итерационно развивается в соответствии с определенными правилами. Для каждой последующей популяции выживает только несколько особей, в то время как остальные, оказавшиеся недостаточно приспособленными, погибают. Новые решения создаются заново путем смешивания накопленного генетического материала родителей [5, 6].

Эволюционная оптимизация является наиболее простым этапом эволюционного проектирования. Процесс проектирования начинается с существующего проектного решения, отдельные параметры которого могут быть изменены в определенных пределах [7]. Для всех возможных электронных схем учитываются все доступные элементы и технологические ограничения, такие как, сколько элементов может быть использовано, и то, как они могут взаимодействовать. Далее эти параметры кодируются как генотип, который затем развивается на основе эволюционного поиска. После этого, полученные проектные решения оцениваются по степени полезности. Подобная оценка называется целевой функцией (ЦФ) [6].

Эволюционное проектирование имеет дело с обширной областью поиска и большим количеством требований, поэтому используются мощные методы поиска, для разрешения поставленной задачи. Естественно, когда область поиска очень большая, может иметь место случайное решение. Поэтому выбор размера области поиска это сложный вопрос, поскольку он должен быть достаточно большим, чтобы включить обильное разнообразие топологий новой схемы. Однако если область проектных параметров будет увеличиваться без ограничения, шансы найти хорошее решение будут очень малы [7]. Это важная проблема для методики поиска, решением которой являются эволюционные алгоритмы.

Эволюционные алгоритмы хорошо приспособлены, чтобы производить выборку большой области проектных параметров, выполняя ее лучше, чем стандартные методы оптимизации. Тем не менее, для больших областей поиска, даже эволюционные алгоритмы имеют свои ограничениянеобходимо ограничить размер области поиска, но одновременно с этим сохранить разнообразие ее проектов. Область поиска обычно ограничивается выбором максимального размера для схем, среди которых будет производиться выборка [7]. Еще одной проблемой является добавление специальных методов в алгоритм поиска для того, чтобы успешно находить схему, соответствующую всем спецификациям. Новые методы вводятся, чтобы улучшить средства поиска, и применяются для обработки специфических свойств процесса электронного проектирования, таких как его многокритериальность и непредсказуемость размера решения.

Эволюционные алгоритмы предоставляют возможность объединить в одно целое все эти методологии, что позволяет улучшить производительность проектирования электронных устройств, дает возможность находить новые методы проектирования схем и способность рассматривать большое количество параметров.

Из всего вышеизложенного следует, что задача разработки новых алгоритмов для проектирования электронных схем на основе методов эволюционного моделирования и генетического поиска, позволяющего сократить время поиска решений в задачах с большой областью поиска, и в то же время повысить качество получаемых решений является АКТУАЛЬНОЙ.

ЦЕЛЬЮ диссертационной работы является исследование и разработка новых моделей и алгоритмов структурного и параметрического синтеза радиоэлектронных устройств на основе методов эволюционной адаптации, позволяющих повысить качество решений для задач большой размерности.

Для достижения поставленной цели необходимо решить следующие основные задачи:

1) Разработать метод представления схемотехнических решений в виде альтернативных решений (кодирование и декодирование хромосом);

2) Разработать новые эволюционные алгоритмы синтеза топологии и параметров схемотехнических решений;

3) Разработать новые модифицированные генетические и эволюционные операторы, адаптированные к требованиям решаемой задачи (операторы кроссинговера, селекции, мутации, отбора и генерации начальной популяции);

4) Разработать целевые функции для оценки качества получаемых схемотехнических решений;

5) Провести экспериментальные исследования разработанных методов и алгоритмов, а также их сравнение с известными алгоритмами синтеза РЭУ.

Для решения поставленных задач использовались следующие МЕТОДЫ ИССЛЕДОВАНИИ: элементы теории множеств, теории алгоритмов и теории генетического поиска, теории графов и гиперграфов, теории выбора и принятия решений.

НАУЧНАЯ НОВИЗНА диссертационной работы заключается в следующем:

1) Разработке новых методов представления схемотехнических решений в виде альтернативных решений (хромосом), позволяющих для случая структурного синтеза схем значительно сократить получение неработоспособных схем;

2) Разработке новых генетических алгоритмов для структурного и параметрического синтеза РЭУ, учитывающих особенности решаемой задачи;

3) Разработке модифицированных генетических и эволюционных операторов, позволяющих сократить время работы алгоритма;

4) Разработке целевых функций для различных классов электронных схем.

ПРАКТИЧЕСКУЮ ЦЕННОСТЬ работы представляют:

1) Новые методы представления схемотехнических решений в виде хромосом;

2) Пакет программ для синтеза топологии и параметров РЭУ, разработанный на основе генетических алгоритмов, позволяющих найти работоспособное решение за приемлемое время.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетной работе № 12 354 «Разработка теории и принципов построения интеллектуальных систем принятия решений при проектировании на основе квантовых вычислений и бионических методов поиска», а также в научно-исследовательской, выполненной по гранту РФФИ № 12 381 (№ 05−08−18 115) «Разработка теории и принципов построения систем автоматизированного проектирования на основе эволюционной адаптации». Кроме того, материалы диссертации использованы в учебном процессе на кафедре САПР ТТИ ЮФУ при проведении лабораторных и курсовых работ по дисциплинам: «Эволюционное моделирование и генетические алгоритмы», «Методы оптимизации», «Автоматизация проектирования печатных плат» и «Математические основы дискретной техники».

АПРОБАЦИЯ основных теоретических и практических результатов работы проводилась на научных семинарах кафедры САПР «Генетические алгоритмы» (с 2004 по 2007 гг., ТРТУ), всероссийской научно-практической конференции молодых ученых и аспирантов «Новые информационные технологии» (г. Таганрог, 2004 г.), международной конференции «Интеллектуальные системы (IEEE AIS'04)» (с. Дивноморское, 2004 г.), всероссийской научной конференции студентов и аспирантов базовых кафедр ЮНЦ РАН (г. Таганрог, 2005 г.), всероссийской научной конференции студентов и аспирантов с международным участием «Робототехника, мехатроника и интеллектуальные системы» (г. Таганрог, 2005 г.), международной конференции «Интеллектуальные системы (IEEE AIS'06)» (с. Дивноморское, 2006 г.).

ПУБЛИКАЦИИ. Результаты диссертации отражены в 9 печатных работах.

СТРУКТУРА И ОБЪЕМ ДИССЕРТАЦИОННОЙ РАБОТЫ.

Диссертационная работа состоит из введения, четырех глав, заключения, списка использованной литературы, приложения и примеров. Работа содержит 155 страниц, включая 31 рисунок, 10 таблиц, список использованной литературы из 105 наименований, 32 страницы приложений и актов об использовании.

4.4. Выводы.

1. Определены оптимальные сочетания используемых параметров для разработанных генетических алгоритмов. По результатам экспериментов, для каждого алгоритма даны рекомендации по выбору параметров (размер популяции, тип и вероятности применения генетических операторов), что делает возможным получение оптимальных решений.

2. Экспериментально определены временные сложности алгоритмов для структурного и параметрического синтеза, подтвердившие теоретические оценки.

3. Проведены экспериментальные исследования разработанных генетических алгоритмов на тестовых примерах, сравнение с существующими аналогами. Разработанные алгоритмы показали преимущество в быстродействии на 8 — 12%, по сравнению с существующими алгоритмами.

ЗАКЛЮЧЕНИЕ

.

1. Проведен аналитический обзор существующих подходов и методов решения задачи синтеза радиоэлектронных устройств, выявлены их достоинства и недостатки. Приведена классификация задач структурного и параметрического синтеза электронных схем. Даны постановки задач структурного и параметрического синтеза РЭУ. На основе проведенного анализа обоснован выбор метода синтеза радиоэлектронных устройств, основанный на эволюционных вычислениях.

2. Исследованы различные способы представления РЭУ в виде альтернативных решений (хромосом), учитывающие специфику решаемой задачи и позволяющие улучшить качество получаемых решений. Для структурного синтеза электронных схем предложен метод представления основанный на построении хромосомы из списка инструкций.

3. Разработаны целевые функции для различных классов электронных схем, позволяющие точно оценивать синтезируемые схемотехнические решения.

4. Предложены модифицированные генетические алгоритмы структурного и параметрического синтеза. Для алгоритма параметрического синтеза предложено использовать оператор селекции усечения до блока основных операторов, что позволит улучшить качество получаемых решений и сократить время работы алгоритма на 7 — 10%.

5. Рассмотрены особенности использования различных генетических операторов. Предложены модифицированные генетические операторы. Применение модифицированных генетических операторов в задачах структурного и параметрического синтеза позволило улучшить схемотехническое решение, поэтому они практически полезны.

6. Найдены теоретические оценки временных сложностей разработанных алгоритмов. Полученные сложности являются полиномиальными, поэтому предложенные алгоритмы можно считать эффективными и использовать при решении практических задач.

7. Разработан пакет программ на объектно-ориентированном языке программирования С++, для структурного и параметрического синтеза пассивных фильтров и усилителей.

8. Проведены вычислительные эксперименты и сравнение с аналогами разработанных алгоритмов. В ходе экспериментов были определены оптимальные значения управляющих параметров генетических алгоритмов и подтверждена оценка временной сложности алгоритмов.

Показать весь текст

Список литературы

  1. Г. М. Синтез технических решений на начальных стадиях проектирования устройств обработки сигналов: Конспект лекций. -Таганрог: Изд-во ТРТУ, 1994.
  2. Bentley P. An introduction to evolutionary design by computers. In Evolutionary design by computers, Morgan Kaufmann, 1999. pp. 1−74.
  3. B.B. Эволюционное моделирование: Учебное пособие. -Таганрог: Изд-во ТРТУ, 2003. 76 с.
  4. В.М. Генетические алгоритмы. Таганрог: Изд-во ТРТУ, 1998. — 242 с.
  5. В.М. Генетические алгоритмы и их применение. Таганрог: Изд-во ТРТУ, 2002.
  6. И.А. Применение эволюционных методов при решении задач параметрического синтеза схемотехнических решений. Журнал «Перспективные информационные технологии и интеллектуальные системы» № 1/2005 (21). Таганрог: Изд-во ТРТУ, 2005. — с. 23−28.
  7. JI.A. Алгоритмы численно-аналитического моделирования и средства программной поддержки САПР электронных устройств. -Таганрог: Изд-во ТРТУ, 1999. 194 с.
  8. И.П., Маничев В. Б. Основы теории проектирования САПР. -М.: Высшая школа, 1990.
  9. Advanced Design System. Technical overview. Agilent Technologies, электронный ресурс., адрес сайта: http://www.agilent.com.
  10. Microwave Office, Applied Wave Research, Inc. электронный ресурс., -адрес сайта: http://www.appwave.com.
  11. Genesys 7. Technical overview. Eagleware Corporation, электронный ресурс., адрес сайта: http://www.eagleware.com.
  12. В.М., Гулевич А. И., Зинченко JI.A. Эволюционное проектирование на основе численно-аналитических моделей. Известия вузов, № 2, Таганрог, ТРТУ, 2002. — с. 8−13.
  13. А.А. Основы теории графов. М.: Наука. Гл. ред. физ. — мат. лит., 1987.-384 с.
  14. А.Н., Курейчик В. М. Эволюционные методы синтеза структурных схемотехнических решений для проектирования информационно-телекоммуникационных систем. Известия РАН, 2004.
  15. В.К., Лыпарь Ю. И. Электронные устройства автоматики и телемеханики: учебник для ВУЗов. 3-е изд. — Л.: Энергоатомиздат, 1984.-432 с.
  16. Lohn J.D., Colombano S.P. Automated analog circuit synthesis using a linear representation, in Proceedings of the Second International Conference on Evolvable Systems: From Biology to Hardware (ICES98). Lausanne, September, 1998.
  17. В.П., Калниболотский Ю. М., Королев Ю. В. Оптимальное решение задачи канонического синтеза электронных схем с помощью ЭВМ. Известия ВУЗов. Радиоэлектроника. 1968. — Т.П. — № 11. — с. 1182−1197.
  18. Ю.М., Королев Ю. В. Синтез электронных схем. Киев: Вища школа. -1979.
  19. Глориозов E. J1. Морфологический синтез нелинейных логических схем. Радиоэлектроника. 1977. — Т.20. — № 6. — с. 79−84.
  20. Е.Л., Клычина И. Ю. Модели представления знаний в структурном синтезе функционально-интегральных элементов. В кн.: Электронная вычислительная техника, под ред. Пржиялковского В. В. -М.: Радио и связь. 1989. — Вып.З. — с. 103−116.
  21. Brodersen A.J. et al. Simultaneous automated AC and DC design of linear integrated circuit amplifiers. IEEE Trans. 1971. — Vol. CT-18. — № 1. — pp. 50−58.
  22. Ю.М., Эйдельмант B.M. Программное обеспечение автоматизированного проектирования радиоэлектронных схем. Киев: Техника. -1994.
  23. Э.А. Синтез пассивных цепей. Пер. с англ. под ред. Айзинова М. М. — М.: Связь, 1970. — 720 с.
  24. В.Б. Параметрическо-структурный синтез СВЧ усилителей. Радиотехника. 1989. — № 6. — с. 23−32.
  25. Yarman B.S., Carlin H.J. A simplified real frequency technique applied to broadband multistage microwave amplifiers. IEEE Trans., 1982. Vol. MTT-30.-№ 12.-pp. 2216−2222.
  26. А.Ф. Теоретические основы электропроводной связи, Ч. 3. М.: Связьиздат, 1959.-390 с.
  27. А.А. Оптимальный синтез линейных электронных схем. М.: Связь, 1978.-335 с.
  28. В.А., Славский Г. Н. Проектирование полиномиальных фильтров с учетом ожидаемой погрешности реализации. -Избирательные системы с ОС, Таганрог, 1991, № 7. с. 62−69.
  29. А.А. Потенциальные характеристики линейных фильтрующих цепей. -М.: Связь, 1974. 56 с.
  30. И.Г. Оптимальный параметрический синтез: Электротехнические устройства и системы. Л.: Энергоатомиздат, 1987. -128 с.
  31. В.Ф., Малоземов В. Н. Вопросы теории и элементы программного обеспечения минимаксных задач. Л.: ЛГУ, 1977. — 192 с.
  32. Д.И. Методы оптимального проектирования. М.: Радио и связь, 1984.-248 с.
  33. Ulbrich W. On the generation and optimization of equivalent ladder networks.- Int. J. Circuit Theory and Application, 1980, v.8, № 1. p. 19−30.
  34. Huseyin O. Application of equivalent network theory. IEEE Trans. Circuit Theory, 1972, v. 19, № 4. — p. 376−378.
  35. А.А. и др. Оптимальная реализация линейных электронных RLC-схем. Киев.: Наук, думка, 1981. — 208 с.
  36. И.И. Расчет электронных цепей с заданными частотными характеристиками. М.: Радио и связь, 1988. — 304 с.
  37. О.В. Проектирование радиопередающих устройств с применением ЭВМ. М.: Радио и связь, 1987. — 392 с.
  38. Д.К., Найтингейл К. Машинное проектирование электронных схем. М.: Высшая школа, 1985. — 216 с.
  39. Koza J.R., Bennett F.H. et al. Automated Synthesis of analog electrical circuits by means of genetic programming. IEEE Trans, on Evolutionary Computation.- 1997. -Vol.1- № 2. -pp. 109−128.
  40. Lohn J.D., Colombano S.P. A circuit representation technique for automated circuit design. IEEE Trans, on Evolutionary Computation. 1999. — Vol.3. -№ 9.-pp. 105−129.
  41. Sripramong Т., Toumazou С. The invention of CMOS amplifiers using genetic programming and current flow analysis. IEEE Trans., on CADS of Integrated Circuits and Systems. — 2002. — Vol. 11. -№ 11.-pp. 1237−1252.
  42. El-Turky F., Репу E.E. BLADES: An artificial intelligence approach to analog circuit design. IEEE Trans, on CAD. — 1989. — Vol. 86. — pp. 680−692.
  43. Gielen G.G.E., et al. ISAAC: A symbolic simulator for analog integrated circuits. IEEE Journ. of Solid-State Circuits. — 1989. — Vol. 24. — 6. — pp. 1587−1597.
  44. Ochotta E.S., Rutenbar R.A., Carley L.R. Synthesis of high-performance analog circuits in ASTRX/OBLX. IEEE Trans, on CAD. — 1996. — Vol. 153.- 3.-pp. 273−294.
  45. Phelps R., et al. ANACONDA: Robust synthesis of analog circuit via stochastic pattern search. IEEE Conf. Custom Integrated Circuit. — 1999. -pp. 26.3.1−26.3.4.
  46. Koh H.Y., Sequin C. H, Gray P.R. OPASYN: A complier for CMOS operational amplifiers. IEEE Trans, on CAD. — 1990. — Vol. 9. — 2. — pp. 113−125.
  47. Harjani R., Rutenbar R.A., Carley L.R. Analog circuit synthesis and exploration in OASYS. In Proc. IEEE Int. Conf. Computer Design: VLSI Computers and Processors. — 1988. — pp. 44−47.
  48. Kruiskamp W., Leenaerts D. DARWIN: CMOS Op Amp synthesis by means of a genetic algorithm. In Proc. 23rd Design Automation Conf.: Association for Computing Machinery. — 1995. — pp. 433−438.
  49. Zebulum R.S., Pacheco M.A., Vellasco M.M. Evolutionary Electronics: Automatic Design of Electronic Circuits and Systems by Genetic Algorithms.- CRC Press, 2002.-302 p.
  50. Cohoon J.P., Paris W.D. Genetic Algorithms in Engineering Systems, The Institute of Electrical Engineers, London, 1997.
  51. Louis S.J., Rawlins J.E. Designer genetic algorithms: genetic algorithms in structure design, ICGA-91, in Proc. of the Fourth International Conference on
  52. Genetic Algorithms, Belew R.K., Booker L.B., and Kauffman M., Eds., 1991. -53 p.
  53. И.А. Алгоритмы эволюционного проектирования электронных устройств. Журнал «Перспективные информационные технологии и интеллектуальные системы» № 4/2004 (20). Таганрог: Изд-воТРТУ, 2004.-с. 39−43.
  54. Ridley М. Evolution, second ed., Blackwell Science, Cambridge, 1996.
  55. Дж. Д., Эшельман JI. Дж. Комбинаторная оптимизация с использованием генетических алгоритмов: важность отличия генотипа от фенотипа. Обозрение прикладной и промышленной математики № 5, 1996. Изд-во «ТВП».
  56. И.А. «Видообразование в эволюционных алгоритмах». Известия ТРТУ. Тематический выпуск «Интеллектуальные САПР». Таганрог: Изд-во ТРТУ, 2006. № 8(63). с. 62−66.
  57. И.А. Применение генетических алгоритмов в задачах оптимизации схемотехнических решений. Журнал «Перспективные информационные технологии и интеллектуальные системы» № 1/2004 (17). Таганрог: Изд-во ТРТУ, 2004. — с. 23−29.
  58. Д.И. Генетические алгоритмы решения экстремальных задач: Учебное пособие. Воронеж, 1995. — 69 с.
  59. Holland, J.H., Adaptation in natural and artificial systems, University of Michigan Press, Ann Arbor, 1975.
  60. Л.А., Курейчик B.B., Курейчик B.M. Генетические алгоритмы: Учебное пособие. Под ред. В. М. Курейчика. М.: Физматлит, 2004 — 402 с.
  61. Grimbleby J.B. Automatic analogue network synthesis using genetic algorithms, in Proceedings of the First IEE/IEEE International Conference on Genetic Algorithms in Engineering Systems, 1995. — p. 53.
  62. И.А. «Применение генетических алгоритмов при проектировании РЭА». Материалы научно-практической конференции
  63. Новые информационные технологии". Таганрог: Изд-во ТРТУ, 2004. с. 266−269.
  64. Higuchi Т., Iwata M., Eds. Evolvable Systems: From biology to hardware, Proc. of the First International Conference on Evolvable Systems, (Lecture Notes in Computer Science), vol. 1259, Berlin: Springer-Verlag, 1997.
  65. R.S., Pacheco M.A., Vellasco M. «Comparison of Different Evolutionary Methodologies Applied to Electronic Filter Design», 1998 IEEE Int. Conf. on Evolutionary Computation, Piscat-away, NJ: IEEE Press, 1998. -pp. 434−439.
  66. Gielen G., Sansen W. Symbolic analysis for automated design of analog integrated circuits. Boston, MA: Kluwer, 1991.
  67. Navid Azizi. Automated analog circuit design using genetic algorithms. Department of Electrical and Computer Engineering University of Toronto. ECE1352 Reading Assignment, 2001.
  68. Hancock, P.J.B. An empirical comparison of selection methods in evolutionary algorithms. Evolutionary Computing, AISB Workshop, Leeds, GB, in Lecture Notes in Computer Science, 865, Fogarty, T.C., Ed., 1994. — p. 80.
  69. H.H. Эволюция жизни: Учебное. пособие по теории эволюции. М.: Академия, 2001. — 425 с.
  70. Blickle, Т. Theory of Evolutionary Algorithms and Application to System Synthesis, Ph.D. thesis. Swiss Federal Institute of Technology, Zurich, 1996.
  71. В.И., Фефелов А. А., Ткачук А. А. Генетические алгоритмы в математическом моделировании. Вестник Запорожского Государственного Университета, № 2, 2001.
  72. .К. Решение задачи покрытия методами генетического поиска. Журнал «Перспективные информационные технологии и интеллектуальные системы» № 3/2004 (19). Таганрог: Изд-во ТРТУ, 2004.
  73. И.А. «Использование генетических алгоритмов в задачах параметрического синтеза схемотехнических решений». Материалы международной конференции «Интеллектуальные системы (AIS'06)», М.: Физматлит, 2006. Том 3. с. 70−76.
  74. И.А. «Генетические алгоритмы ¦ с представлением переменной длины». Известия ТРТУ. Технические науки. Таганрог: Изд-во ТРТУ, 2006−2007. № 9. с. 104−105.
  75. Goldberg, D.E. Genetic Algorithms in Search, Optimization and Machine Learning. MAs, 1989.
  76. В.Б. Интеллектуальные системы в проектировании. Новости ИИ, № 4,1993.-с. 24−67.
  77. И.П. Разработка систем автоматизированного проектирования. Учебник для вузов. М.: Изд-во МГТУ им. Н. Э. Баумана, 1994. — 207 е., ил.
  78. П. Введение в экспертные системы. М.: Издательский дом «Вильяме», 2001.
  79. О. Руководство по экспертным системам. М.: Мир, 1989.
  80. Э.В. Экспертные системы. М.: Наука, 1987.
  81. Н.Г., Берштейн J1.C., Божешок А. В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.
  82. .Г. Экспертные технологии в управлении. М.: «Дело», 2004. -с. 67−68.
  83. К. Введение в системы баз данных (седьмое издание). М.: Вильяме. 2001.
  84. В.М. Генетические алгоритмы: Состояние. Проблемы. Перспективы. Теория и системы управления РАН, Москва, № 1, 1999. -с. 144−160.
  85. Л., Оуенс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. — 230 с.
  86. Х.Д. Генетические алгоритмы. В мире науки, № 9, 1992. — с. 32−40.
  87. Т., Лейзерсон Ч., Ривест Р. Алгоритмы: построение и анализ. Серия: «Классические учебники». М.: МЦНМО, 1999. — 960 с.
  88. Применение математических методов и ЭВМ. Планирование и обработка результатов эксперимента: Учебное пособие. Под общ. ред. Останина А. Н. Минск: Вышэйшая школа, 1989. 218 е.: ил.
  89. А.К. Техника статистических вычислений. М.: Наука, 1971.-576 е.: ил.
  90. Carlos Artemio Coello Coello. An Empirical Study of Evolutionary Techniques for Multiobjective Optimization in Engineering Design. PhD thesis, Department of Computer Science, Tulane University, New Orleans, LA, april 1996.
  91. Гилани Ф. C# и наука: применение языковых средств С# в проектах для научных вычислений, электронный ресурс., адрес сайта: http://www.microsoft.eom/Rus/Msdn/Magazine/2004/03/ScienceComputing.m spx
  92. Л.А., Хабарова И. В. Сравнительный анализ экспериментальных исследований алгоритмов эволюционного моделирования с динамическими параметрами. Известия ТРТУ № 1, Таганрог, ТРТУ, 2002. с. 234−235.
  93. Методы генетического поиска. Под редакцией В. М. Курейчика. Изд-во ТРТУ, Таганрог, 2002. 145 с.
  94. А.В. Осыка. Экспериментальное исследование зависимости скорости сходимости генетического алгоритма от его параметров. Известия РАН. Теории и системы управления № 5, 1997. с. 100−111.
  95. Ю2.Костенко В. А., Смелянский Р. Л., Трекин А. Г. Синтез структур вычислительных систем реального времени с использованием генетических алгоритмов. Программирование, 2000.
  96. ЮЗ.Редько В. Г., Цой Ю. Р. Оценка эффективности эволюционных алгоритмов. «Информатика», Томск, 2004. — 16 с.
  97. В.Г., Цой Ю.Р. Уточнение оценок эффективности эволюционных алгоритмов. Материалы конференции «Интеллектуальные системы». -Томск, 2005.-6 с.
  98. В.Г. Эволюционная кибернетика. -М.: Наука, 2001. 156 с.125
Заполнить форму текущей работой

Сессия? Спокойно!