(основанные на кодировании популяцийТТО с помощью бинарно-
го кода Грея). В результате получаем новое поколение
˜
U
K
(
t
+ 1)
ТТО-“потомков”.
Шаг 13. Полагаем
t
=
t
+ 1
. Переходим к шагу 3.
Шаг 14. Построение множества
V
K
Ω
K
˜
U
K
∗
(
t
) =
Opt
Ω
K
V
K
Ω
K
˜
U
K
(
t
)
.
(24)
С этойцелью строим подмножество
˜
U
K
∗
(
t
)
⊂
˜
U
K
(
t
)
, для кото-
рого
Φ
u
Ki
(
t
) = 1
при любых
u
Ki
(
t
)
∈
˜
U
K
∗
(
t
)
.
Полагаем, что аппроксимация множества гарантирующих страте-
гийкоалиции
¯
U
Kg
= ˜
U
K
∗
(
t
)
.
Генетический алгоритм поиска множества обобщенных
ε
-равновесий в условиях неопределенности.
ДанныйГА применя-
ется для реализации второго этапа комбинированнойвычислительной
процедуры.
В результате выполнения этапа 1 для каждойкоалиции
K
∈
P
имеем аппроксимацию множества гарантирующих стратегий
U
Kg
=
=
u
Kgj
, j
= 1
, p
K
g
и соответствующего ему множества вектор-
ных минимаксов
V
K
Ω
K
U
Kg
.
Шаг 1. Определяем параметр
T
— максимальное число поколений
тестовых точек-особей(ТТО)-“потомков”. Полагаем
t
= 0
— номер
поколения ТТО.
Шаг 2. Генерация популяции ТТО
˜
U
(
t
) =
u
i
(
t
)
, i
= 1
, p
u
.
Шаг 3. Генерация популяции ТТО
˜
Z
(
t
) =
z
k
(
t
)
, k
= 1
, p
z
.
Шаг 4. Полагаем
s
= 1
(номер коалиции).
Шаг 5. Полагаем
i
= 1
(номер ТТО в популяции).
Шаг 6. Сформируем таблицу значенийвекторного показателя эф-
фективности ССС в виде
T
i
(
t
) =
J u
i
(
t
)
, z
k
(
t
)
k
= 1
, p
z
.
(25)
По таблице (25) вычисляем вектор
V
Ω
(
u
i
(
t
))
вида (3)–(5), харак-
теризующийточку предельнойнеэффективности.
Шаг 7. Выделяем в векторе
V
Ω
(
u
i
(
t
))
компоненту
V
K
s
Ω
(
u
i
(
t
))
.
Шаг 8. Осуществляем сравнение множества
V
K
s
Ω
K
s
U
K
s
g
с точ-
кой
V
K
s
Ω
(
u
i
(
t
))
−
ε
K
s
относительно конуса доминирования
Ω
K
s
.
Для этого строим конус доминирования
Ω
K
s
с вершинойв точке
V
K
s
Ω
(
u
i
(
t
))
−
ε
K
s
и проверяем выполнение условия
76 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2007. № 4
