Сравнительный анализ эффективности применения генетических алгоритмов и алгоритма Метрополиса в задачах физики твердого тела

Авторы

  • Т.В. Панченко
  • Ю.Ю. Тарасевич

Ключевые слова:

генетические алгоритмы
алгоритм Метрополиса
модель Изинга
физика твердого тела
оптимизация

Аннотация

Рассматривается применение генетических алгоритмов к оптимизационным задачам физики твердого тела. Приводится сравнительный анализ эффективности работы генетического алгоритма и алгоритма Метрополиса для модели Изинга с абсолютным значением спина атомов, равным единице. Обсуждаются основные проблемы, возникающие при применении генетических алгоритмов в задачах физики твердого тела.

Новые вычислительные технологии

Загрузки

Опубликован

2007-02-15

Выпуск

Том 8 (2007): Выпуск 1.

Раздел

Раздел 1. Вычислительные методы и приложения

Авторы

Т.В. Панченко

Астраханский государственный университет,
факультет математики и информационных технологий
ул. Татищева, 20А, 414056, г. Астрахань

Ю.Ю. Тарасевич

Астраханский государственный университет,
факультет математики и информационных технологий
ул. Татищева, 20А, 414056, г. Астрахань

Библиографические ссылки

  1. Holland J.H. Adaptation in natural and artificial systems. Ann Arbor: University of Michigan Press, 1975.
  2. Michalewicz Z. Genetic algorithms + data structures = evolution programs. New York: Springer-Verlag, 1996.
  3. Mitchell M. An introduction to genetic algorithms. Cambridge: MIT Press, 1996.
  4. Fogel D.B. Evolutionary computation: towards a new philosophy of machine intelligence. Piscatway: IEEE Press, 1995.
  5. Koza J.R. Genetic programming. Cambridge: MIT Press, 1992.
  6. Hartmann A.K., Rieger H. Optimization algorithms in physics. Berlin: Wiley-VCH, 2002.
  7. Макконнелл Дж. Основы современных алгоритмов. М.: Техносфера, 2004.
  8. Батищев Д.И. Генетические алгоритмы решения экстремальных задач. Воронеж: Воронеж. гос. техн. ун-т, 1995.
  9. Поттер Д. Вычислительные методы в физике. М.: Мир, 1975.
  10. Metropolis N., Rosenbluth A.W., Rosenbluth M.N., Teller A.H., Teller E. Equation of state calculations by fast computing machines // J. Chem. Phys. 1953. 21, N 6. 1087-1092.
  11. Goldberg D. Genetic algorithms in search, optimization, and machine learning. Boston: Addison-Wesley, 1989.
  12. Курейчик В.А., Курейчик В.В., Гладков В.М. Генетические алгоритмы. М.: Физматлит, 2006.
  13. cSafak H., cSahin M., Gülveren B., Tomak M. Efficiency of genetic algorithm and determination of ground state energy of impurity in a spherical quantum dot // Int. J. of Modern Physics C. 2003. 14, N 6. 775-784.
  14. cSahin M., Tomak M. Self-consistent calculation of semiconductor heterojunctions by using quantum genetic algorithm // Int. J. of Modern Physics B. 2002. 16, N 26. 3883-3893.