На Всемирных конкурсах-соревнованиях на лучший алгоритм оптимизации, которые проводятся ежегодно среди ведущих научных коллективов мира, наши ученые постоянно занимают призовые места. Мы уже писали об этом: (https://www.sibsau.ru/content/2590/).
Тогда, в 2021 году, наши ученые заняли первое место, опередив серебренных призеров на 15%. В соревновании 2022 г. они заняли второе место, отстав от победителей лишь на 2%. Интересно отметить, что победители 2022 года использовали алгоритм-победитель 2021 г., усовершенствовав его чуть лучше, чем наши специалисты.
Но то, что произошло в этом году – выдающееся событие. Алгоритм наших ученых занял три призовых места в трех соревнованиях. В июле 2024 года весь пьедестал наш!
Итак, на очередном мировом чемпионате алгоритмов оптимизации на Всемирном конгрессе по эволюционным алгоритмам (CEC’2024, Йокогама, Япония) было проведено два типа конкурсов. Конкурс алгоритмов безусловной оптимизации, когда независимые переменные целевой функции могли принимать произвольные значения, и конкурс алгоритмов условной оптимизации, когда на переменные были наложены существенные ограничения. Специалисты знают, что это две принципиально разных постановки задачи и требуют применения весьма различных идей и подходов.
В конкурсе по безусловной оптимизации алгоритм наших ученых1 стал победителем. В конкурсе по условной оптимизации наш алгоритм2 стал серебренным призером. Великолепный результат.
Но это не все. Вскоре на конференции GECCO (The Genetic and Evolutionary Computation Conference), Мельбурн, Австралия, проходил конкурс алгоритмов безусловной оптимизации специальных функций. Организаторы предложили функции с параметрами, что позволяло им изменять ландшафт оптимизации непредсказуемым для участников образом. В такой ситуации должны были побеждать алгоритмы, использующие локальный поиск и другие методы отслеживания локальных изменений в свойствах оптимизируемой функции. Первое и второе места заняли именно такие алгоритмы, лучшие из всех аналогичных. А вот третье призовое место неожиданно занял универсальный самоперепроектирующийся алгоритм наших ученых3. Похоже, что он тоже обладает нужными в таких ситуациях свойствами, хотя под них специально не проектировался. Как говорится – сам догадался. Такой смышленый! Хотя и стохастический, т.е. использующий случайным образом выбранные стратегии. Как говорил родоначальник случайного поиска в СССР профессор Леонард Андреевич Растригин – случайность хороша тем, что заведомо включает в себя все варианты, в том числе и наилучшие. Научить случайность доставлять нам радость наилучшего выбора – задача специалистов. Наши ученые научили. Опять же, цитируя Леонарда Андреевича, «знание некоторых принципов заменяет знание многих фактов». Использование принципов самообучения позволяет сэкономить время и усилия на изобретение новых алгоритмов. Вот алгоритм наших ученых и самообучился, сам себя перепроектировал на новые задачи.
Поздравляем наших ученых с очередным выдающимся достижением мирового уровня!
Если читателя интересуют такие замечательные алгоритмы оптимизации, самонастраивающиеся настолько, что становятся применимыми во всех случаях, да еще и самые лучшие, то с ними можно познакомиться, прочитав статьи, на которые ниже приведены ссылки, и перейдя к программам на гитхабе, ссылки на которые тоже приведены4,5,6.
Заметим также, что у автора выдающихся научных результатов этого лета Становова Владимира Вадимовича, к.т.н., доцента кафедры высшей математики СибГУ, есть в этом году еще и педагогическое достижение. Его магистрант Эдуард Морозов победил в конкурсе грантов Президента Российской Федерации для учебно-научной стажировки за рубежом. Единственный в СибГУ студент, кстати, победитель этого конкурса в этом году. Следующий семестр Эдуард проведет в Аэрокосмическом Университете г. Шеньян, Китайская Народная Республика, давнем партнере нашего университета, изучая применяемые там технологии искусственного интеллекта.
Интервью с Владимиром Станововым смотрите на сайте СибГУ:
https://www.sibsau.ru/content/6601
1 V. Stanovov and E. Semenkin, «Success Rate-based Adaptive Differential Evolution L-SRTDE for CEC 2024 Competition,» 2024 IEEE Congress on Evolutionary Computation (CEC), Yokohama, Japan, 2024, pp. 1-8. (https://ieeexplore.ieee.org/document/10611907)
2 V. Stanovov and E. Semenkin, «Differential Evolution with Success Rate-based adaptation CL-SRDE for Constrained Optimization,» 2024 IEEE Congress on Evolutionary Computation (CEC), Yokohama, Japan, 2024, pp. 1-8. (https://ieeexplore.ieee.org/document/10612145)
3 Stanovov V. Success Rate-based Adaptive Differential Evolution L-SRTDE for GNBG 2024 Competition // GECCO 2024 technical report (https://competition-hub.github.io/GNBG-Competition/)., Melbourne, 2024.
4 CEC L-SRTDE: https://github.com/VladimirStanovov/L-SRTDE_CEC-202
5 CEC CL-STDE: https://github.com/VladimirStanovov/CL-SRDE_CEC-2024
6 GECCO: https://github.com/VladimirStanovov/L-SRTDE_GNBG-24/tree/master