БАГАТОРОЙОВИЙ АЛГОРИТМ MULTI-SWARM OPTIMIZATION ТА ЙОГО ВИКОРИСТАННЯ ПРИ РОЗВ’ЯЗУВАННІ ЗАДАЧ БІНАРНОЇ КЛАСИФІКАЦІЇ

Main Article Content

Наталія Олександрівна ІЛЬЯХОВА
Наталія Олександрівна КРАСНОШЛИК

Abstract

У роботі розглянуто багаторойовий алгоритм оптимізації частинок (Multi-Swarm Optimization Algorithm) для розв’язування задач глобальної оптимізації, який відноситься до метаеврестичних методів. Метою даної роботи є реалізація та дослідження даного алгоритму при розв’язувані задач оптимізації, а також його застосування до розв’язування задач бінарної класифікації. Проведено порівняльний аналіз та досліджено ефективність алгоритму при знаходженні глобального мінімуму деяких тестових функцій. Описано постановку задачі бінарної лінійної класифікації. Для мінімізації функціоналу похибки при побудові класифікатора використано багаторойовий алгоритм MSO та метод стохастичного градієнтного спуску.

Article Details

Section
Applied Mathematics
Author Biographies

Наталія Олександрівна ІЛЬЯХОВА, Черкаський національний університет імені Богдана Хмельницького

студентка спеціальності "Прикладна математика"

Наталія Олександрівна КРАСНОШЛИК, Черкаський національний університет імені Богдана Хмельницького

кандидат технічних наук, доцент, доцент кафедри прикладної математики та інформатики

References

Гальченко В. Я. Популяционные метаэвристические алгоритмы оптимизации роем частиц: Учебное пособие / В. Я. Гальченко, А. Н. Якимов. – Черкассы: ФЛП Третяков А. Н., 2015. – 160 с.

Скобцов Ю. А. Метаэвристики : монография / Ю. А. Скобцов, Е. Е. Федоров. – Донецк: Изд-во «Ноулидж» (Донецкое отделение), 2013. – 426 с.

Матренин П. В. Методы стохастической оптимизации: учебное пособие / П. В. Матренин, М.Г. Гриф, В. Г. Секаев. – Новосибирск: Изд-во НГТУ, 2016. – 67 с.

Конспект лекции «Линейные модели: статистический взгляд» [Електронний ресурс] : [Веб-сайт]. – Електронні дані. – [Курс «Обучение на размеченных данных»]. – Режим доступу: https://www.coursera.org/learn/supervised-learning/supplement/Dw3Ws/konspiekt (дата звернення 01.03.2017) – Назва з екрана.

Карпенко А. П. Обзор методов роя частиц для задачи глобальной оптимизации (Particle Swarm Optimization) / Карпенко А.П., Селиверстов Е.Ю.-Сетевое издание «Наука и образование: научное издание МГТУ им. Н.Э. Баумана»

Презентация «Машинное обучение (Machine Learning). Регрессионные модели», Уткин Л.В., Санкт-Петербургский политехнический университет Петра Великого.

Методы стохастической оптимизации: учебное пособие / П. В .Матренин, М. Г. Гриф, В. Г. Секаев. - Новосибирск: Изд-во НГТУ, 2016. - 67 с.

James McCaffrey Test Run – Multi-Swarm Optimization [Електронний ресурс] : [Веб-сайт]. Режим доступу: https://msdn.microsoft.com/ru-ru/magazine/dn385711

Классификация по логистической регрессии с помощью оптимизации на основе нескольких роев частиц [Електронний ресурс] : [Веб-сайт]. Режим доступу: https://msdn.microsoft.com/ru-ru/magazine/dn890377.aspx

Machine Learning Repository [Електронний ресурс] : [Веб-сайт]. Режим доступу: https://archive.ics.uci.edu/ml/datasets.html