Учебное пособие посвящено, преимущественно, рассмотрению современных стохастических популяционных алгоритмов решения однокритериальной задачи оптимизации. Рассмотрены методы повышения эффективности этих алгоритмов путем их гибридизации и метаоптимизации. Наряду с однокритериальной рассматривается задача многокритериальной оптимизации и популяционные алгоритмы ее решения. Представлены методы распараллеливания указанных алгоритмов. Содержит большое число примеров решения тестовых и практически значимых задач оптимизации. Для студентов высших учебных заведений, обучающихся по направлению 230100 "Информатика и вычислительная техника". Может быть полезно для всех студентов, изучающих курс "Методы оптимизации" и близкие по тематике курсы. Материал пособия представляет интерес также для аспирантов и специалистов, использующих в своей работе методы, алгоритмы и программы оптимизации.
Uchebnoe posobie posvjascheno, preimuschestvenno, rassmotreniju sovremennykh stokhasticheskikh populjatsionnykh algoritmov reshenija odnokriterialnoj zadachi optimizatsii. Rassmotreny metody povyshenija effektivnosti etikh algoritmov putem ikh gibridizatsii i metaoptimizatsii. Narjadu s odnokriterialnoj rassmatrivaetsja zadacha mnogokriterialnoj optimizatsii i populjatsionnye algoritmy ee reshenija. Predstavleny metody rasparallelivanija ukazannykh algoritmov. Soderzhit bolshoe chislo primerov reshenija testovykh i prakticheski znachimykh zadach optimizatsii. Dlja studentov vysshikh uchebnykh zavedenij, obuchajuschikhsja po napravleniju 230100 "Informatika i vychislitelnaja tekhnika". Mozhet byt polezno dlja vsekh studentov, izuchajuschikh kurs "Metody optimizatsii" i blizkie po tematike kursy. Material posobija predstavljaet interes takzhe dlja aspirantov i spetsialistov, ispolzujuschikh v svoej rabote metody, algoritmy i programmy optimizatsii.
