Адаптивные функции пригодности в эволюционных игровых моделях оптимизации управления в структурно-сложных системах

9 / 12

Адаптивные функции пригодности в эволюционных игровых моделях оптимизации управления…
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2017. № 2 119
11. Ashlock D. Evolutionary computation for modeling and optimization. Berlin, Germany:
Springer-Verlag, 2006. 571 p.
12. Kita E., ed. Evolutionary algorithms. InTech, 2011. 596 p.
13. Dos Santos W.P., ed. Evolutionary computation. InTech, 2009. 582 p.
14. Zitzler E., Deb K., Thiele L. Comparison of multiobjective evolutionary algorithms: empirical
results // Evolutionary Computation. 2000. Vol. 8. No. 2. Р. 173–195.
DOI: 10.1162/106365600568202 URL:
15. Серов В.А., Бабинцев Ю.Н., Кондаков Н.С. Нейроуправление многокритериальными
конфликтными системами. Монография. М.: МосГУ, 2011. 136 с.
16. Серов В.А., Бабинцев Ю.Н., Чечурин А.В. Программное средство обучения искусственных
нейронных сетей на основе комплекса генетических алгоритмов многокритериальной оп-
тимизации в условиях конфликта и неопределенности (МОНС) // Свидетельство о государ-
ственной регистрации программы для ЭВМ№ 2011618436 от 26.10.2011 г.
17. Серов В.А., Хитрин В.В. Нейрогенетическая технология многокритериальной стаби-
лизации режима функционирования технологического процесса в условиях неопределен-
ности // Промышленные АСУ и контроллеры. 2011. № 6. С. 38–42.
18. Серов В.А., Хитрин В.В. Комбинированный эволюционный алгоритм многокритериаль-
ной оптимизации программного режима биотехнологического процесса // Промышленные
АСУ и контроллеры. 2010. № 8. С. 13–16.
19. Серов В.А., Бабинцев Ю.Н., Чечурин А.В. Нейроэволюционная технология многокрите-
риальной оптимизации управления потоками данных в автоматизированной системе мони-
торинга в условиях конфликта и неопределенности // Нейрокомпьютеры: разработка и
применение. 2008. № 9. С. 65–71.
20. Серов В.А. Генетические алгоритмы оптимизации управления многокритериальными
системами в условиях неопределенности на основе конфликтных равновесий // Вестник
МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2007. № 4. С. 70–80.
21. Серов В.А. Особенности вычислительной технологии поиска множества стабильных
равновесий в коалиционной игровой модели функционирования структурно-сложной
системы в условиях неопределенности // Труды Института системного анализа РАН. Дина-
мика неоднородных систем. Т. 10. № 2. М.: КомКнига, 2006. С. 57–65.
22. Серов В.А., Иванова Г.И., Суханова Н.И. Исследование теоретико-игровой модели экс-
плуатации экосистемы с векторными целевыми функционалами участников // Вестник
РУДН. Сер. Инженерные исследования. 2003. № 2. С. 99–103.
23. Серов В.А. Об условиях ε-оптимальности по конусу в задаче многокритериальной опти-
мизации // Вестник РУДН. Сер. Кибернетика. 1998. № 1. С. 49–54.
24. Серов В.А. О вариационном принципе в задачах многокритериальной оптимизации и
принятия решений // Актуальные проблемы теории и практики инженерных исследований:
Сб. науч. трудов. М.: Машиностроение, 1999. С. 18–22.
25. Серов В.А. ε-вариационные принципы в теоретико-игровых моделях структурно-
сложных систем // Вестник РУДН. Сер. Кибернетика. 1999. № 1. С. 3–11.
26. Ekeland I. On the variational principle // Journal of Mathematical Analysis and Applications.
1974. Vol. 47. No. 2. P. 324–353. DOI: 10.1016/0022-247X(74)90025-0
URL:
27. Обен Ж.-П., Экланд И. Прикладной нелинейный анализ. М.: Мир, 1988. 512 с.
28. Isac G. The Ekeland principle and Pareto ε-efficiency // Multiobjective programming and goal
programming: theory and applications. Ser: Lecture notes in economics and mathematical systems.
Vol. 432. Berlin, Germany: Springer-Verlag, 1996. P. 148–163.
29. Loridan P. ε-solutions in vector minimization problems // JOTA. 1984. Vol. 43. No. 2.
P. 265–276.