Випускні роботи студентів КІТ ДІІТ

Permanent URI for this communityhttps://crust.ust.edu.ua/handle/123456789/21755

ENG: Students' final projects

Browse

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item type:Item,
    Дослідження часової ефективності генетичних алгоритмів
    (Український державний університет науки і технологій, Дніпро, 2026) Михайлова, Тетяна Олександрівна
    UKR: Пояснювальна записка до кваліфікаційної роботи магістра виконана на 97 сторінках, містить 39 рисунків, 4 додатки, 39 джерел Магістерська робота присвячена дослідженню часової ефективності генетичних алгоритмів та аналізу впливу їх основних параметрів на тривалість виконання алгоритму. Генетичні алгоритми належать до стохастичних методів оптимізації та широко застосовуються для розв’язання складних задач у різних галузях інформаційних технологій, проте їх часові характеристики значною мірою залежать від конфігурації параметрів та властивостей оптимізаційної задачі. У роботі проаналізовано теоретичні засади генетичних алгоритмів, їх структуру, оператори селекції, кросинговеру та мутації, а також критерії зупинки. Окрему увагу приділено питанням оцінювання часової ефективності стохастичних алгоритмів і чинникам, що впливають на обчислювальні витрати. Розроблено програмний інструмент мовою Python для експериментального дослідження часової ефективності генетичних алгоритмів. Програма реалізує класичний генетичний алгоритм із можливістю налаштування основних параметрів, автоматично вимірює час виконання та кількість поколінь до зупинки, зберігає результати у CSV-файл і будує графіки для подальшого аналізу. Для експериментів використано стандартні тестові функції оптимізації Sphere, Rastrigin та Rosenbrock. У межах роботи проведено серію експериментів для шести конфігурацій алгоритму, що дозволило проаналізувати вплив кількості поколінь, розміру популяції, розмірності задачі, ймовірності кросинговеру та параметрів мутації на час виконання генетичного алгоритму. Отримані результати підтверджують, що найбільший вплив на часову ефективність мають розмір популяції, кількість поколінь та параметри мутації, причому ступінь їх впливу залежить від складності оптимізаційної задачі. Результати дослідження можуть бути використані для обґрунтованого налаштування параметрів генетичних алгоритмів з метою підвищення їх швидкодії та ефективності.