Дифференциальная эволюция в задачах поиска оптимальных параметров популяционно-миграционных моделей

Аннотация

Применение компьютерных методов, методов интеллектуального анализа и методов оптимизации для исследования популяционных динамических моделей с миграционными потоками является актуальным направлением. Использование указанных методов позволяет моделировать сложные процессы и системы, исследование которых аналитическими методами является затруднительным. В настоящей работе рассмотрены вопросы, связанные с применением метода дифференциальной эволюции в задачах моделирования популяционно-миграционных динамических систем. Изучена популяционная модель «два конкурента – один ареал миграции» и ее модификации. Проведено моделирование процессов взаимодействия видов в условиях конкуренции и миграционных потоков. Выполнены серии компьютерных экспериментов, изучена траекторная динамика, построены проекции фазовых портретов, выявлены качественные эффекты и дан сравнительный анализ полученных результатов для таких модификаций модели «два конкурента – один ареал миграции», которые связаны с вариативностью коэффициентов естественного воспроизводства видов, внутривидовой и межвидовой конкуренции, скоростями миграции. Полученные результаты могут быть использованы при решении задач глобальной параметрической оптимизации, компьютерного моделирования многомерных экологических систем, а также задач прогнозирования поведения в системах химической кинетики, при описании демографических процессов.

Сведения об авторах

Olga Valentinovna Druzhinina, Федеральный исследовательский центр "Информатика и управление" РАН

главный научный сотрудник, доктор физико-математических наук, профессор

Olga Nikolaevna Masina, Елецкий государственный университет им. И.А. Бунина

профессор кафедры математического моделирования, компьютерных технологий и информационной безопасности Института математики, естествознания и техники, доктор физико-математических наук, доцент

Irina Ivanovna Vasilyeva, Елецкий государственный университет им. И.А. Бунина

старший преподаватель кафедры математического моделирования, компьютерных технологий и информационной безопасности Института математики, естествознания и техники

Литература

1. Frisman E.Y., Zhdanova O.L., Kulakov M.P. et al. Mathematical Modeling of Population Dynamics Based on Recurrent Equations: Results and Prospects. Part I. Biology Bulletin. 2021;48:1-15. https://doi.org/10.1134/S1062359021010064
2. Ursell T. Structured environments foster competitor coexistence by manipulating interspecies interfaces. PLOS Computational Biology. 2021;17(1):e1007762. https://doi.org/10.1371/journal.pcbi.1007762
3. Zhang X., Chen L. The linear and nonlinear diffusion of the competitive Lotka-Volterra model. Nonlinear Analysis: Theory, Methods & Applications. 2007;66(12):2767-2776. https://doi.org/10.1016/j.na.2006.04.006
4. Sinitsyn I.N., Druzhinina O.V., Masina O.N. Analytical Modeling and Stability Analysis of Nonlinear Broadband Migration Flows. Nelineinyi mir = Nonlinear World. 2018;16(3):3-16. (In Russ., abstract in Eng.) EDN: XSNQYX
5. Rodzin S., Bozhenyuk A., Rodzina L. Bioheuristics as Tool for Global Optimization Problem Based on Collective Behavior Model of Animals. In: 2024 International Russian Automation Conference (RusAutoCon). Sochi, Russian Federation: IEEE Computer Society; 2024. p. 420-425. https://doi.org/10.1109/RusAutoCon61949.2024.10694243
6. Druzhinina O.V., Masina O.N., Tarova E.D. Analysis and Synthesis of Nonlinear Dynamic Models Taking into Account Migration Flows and Control Actions. Nelineinyi mir = Nonlinear World. 2019;17(5):24-37. (In Russ., abstract in Eng.) https://doi.org/10.18127/j20700970-201905-03
7. Zhao J., et al. Enhanced PSO feature selection with Runge-Kutta and Gaussian sampling for precise gastric cancer recurrence prediction. Computers in Biology and Medicine. 2024;175:108437. https://doi.org/10.1016/j.compbiomed.2024.108437
8. Storn R., Price K. Differential Evolution – A Simple and Efficient Heuristic for global Optimization over Continuous Spaces. Journal of Global Optimization. 1997;11(4):341-359. https://doi.org/10.1023/A:1008202821328
9. Price K.V., Storn R.M., Lampinen J.A. Differential Evolution: A Practical Approach to Global Optimization. Springer-Verlag Berlin Heidelberg: Springer; 2005. 539 p. https://doi.org/10.1007/3-540-31306-0
10. Baig M.H., Abbas Q., Ahmad J., Mahmood K., Alfarhood S., Safran M., Ashraf I. Differential Evolution Using Enhanced Mutation Strategy Based on Random Neighbor Selection. Symmetry. 2023;15(10):1916. https://doi.org/10.3390/sym15101916
11. Novikov Z.,Vakhnin A. Development and analysis of a self-configuring differential evolution algorithm. ITM Web of Conferences. 2024;59:02021. https://doi.org/10.1051/itmconf/20245902021
12. Egorova L., Kazakovtsev L., Krutikov V., Tovbis E., Fedorova A. A Hybrid Differential Evolution for Non-Smooth Optimization Problems. Facta Universitatis, Series: Mathematics and Informatics. 2023;38(4);829-845. https://doi.org/10.22190/FUMI230802054E
13. Mullen K.M, Ardia D., Gil D., Windover D., Cline J. DEoptim: An R Package for Global Optimization by Differential Evolution. Journal of Statistical Software. 2009;40(6):1-26. https://doi.org/10.18637/jss.v040.i06
14. Virtanen P., Gommers R., Oliphant T.E., Haberland M., Reddy T., Cournapeau D. SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python. Nature Methods. 2020;17:261-272. https://doi.org/10.1038/s41592-019-0686-2
15. Mejía-de-Dios J.-A., Mezura-Montes E. Metaheuristics: A Julia Package for Single- and Multi-Objective Optimization. Journal of Open Source Software. 2022;7(78):4723. https://doi.org/10.21105/joss.04723
16. Petrov A.A., Druzhinina O.V., Masina O.N., Vasilyeva I.I. The construction and analysis of four-dimensional models of population dynamics taking into account migration flows. Uchenyye zapiski Ul'yanovskogo gosudarstvennogo universiteta. Fundamental'nyye problemy matematiki i mekhaniki = Scientific Notes of Ulyanovsk State University. Fundamental Problems of Mathematics and Mechanics. 2022;(1):43-55. (In Russ., abstract in Eng.) EDN: PBUGYG
17. Vasilyeva I.I., Demidova A.V., Druzhinina O.V., Masina O.N. Construction, stochastization and computer study of dynamic population models "two competitors – two migration areas". Discrete and Continuous Models and Applied Computational Science. 2023;31(1):27-45. https://doi.org/10.22363/2658-4670-2023-31-1-27-45
18. Druzhinina O.V., Vasilyeva I.I., Masina O.N. Design of Population Dynamic Models of the "Three Competitors – Three Migration Areas" Type. Nelineinyi mir = Nonlinear World. 2023;21(4):33-38. (In Russ., abstract in Eng.) https://doi.org/10.18127/j20700970-202304-04
19. Masina O.N., Druzhinina O.V., Vasilyeva I.I. Research of the Population Dynamic Model "Three Competitors – Three Migration Areas". Uchenyye zapiski Ul'yanovskogo gosudarstvennogo universiteta. Fundamental'nyye problemy matematiki i mekhaniki = Scientific Notes of Ulyanovsk State University. Fundamental Problems of Mathematics and Mechanics. 2023;(2):61-71. (In Russ., abstract in Eng.) EDN: PIEKLU
20. Das S., Suganthan P. Differential Evolution: A Survey of the State-of-the-Art. IEEE Transactions on Evolutionary Computation. 2011;15(1):4-31. https://doi.org/10.1109/TEVC.2010.2059031
21. Baioletti M., Di Bari G., Milani A., Poggioni V. Differential Evolution for Neural Networks Optimization. Mathematics. 2020;8:69. https://doi.org/10.3390/math8010069
22. Qiang J., Mitchell C., Qiang A. Tuning of an adaptive unified differential evolution algorithm for global optimization. In: 2016 IEEE Congress on Evolutionary Computation (CEC). Vancouver, BC, Canada: IEEE Computer Society; 2016. p. 4061-4068. https://doi.org/10.1109/CEC.2016.7744305
23. Lampinen J. A constraint handling approach for the differential evolution algorithm. In: Proceedings of the 2002 Congress on Evolutionary Computation. CEC'02 (Cat. No.02TH8600). Honolulu, HI, USA: IEEE Computer Society; 2002. Vol. 2. p. 1468-1473. http://dx.doi.org/10.1109/CEC.2002.1004459
24. Fu L., Zhu H., Zhang C., Ouyang H., Li S. Hybrid Harmony Search Differential Evolution Algorithm. IEEE Access. 2021;9:21532-21555. https://doi.org/10.1109/ACCESS.2021.3055530
25. Mezura-Montes E., Velázquez-Reyes J., Coello C.A. A comparative study of differential evolution variants for global optimization. In: Proceedings of the 8th annual conference on Genetic and evolutionary computation (GECCO '06). New York, NY, USA: Association for Computing Machinery; 2006. p. 485-492. https://doi.org/10.1145/1143997.1144086
Опубликована
2024-03-31
Как цитировать
DRUZHININA, Olga Valentinovna; MASINA, Olga Nikolaevna; VASILYEVA, Irina Ivanovna. Дифференциальная эволюция в задачах поиска оптимальных параметров популяционно-миграционных моделей. Современные информационные технологии и ИТ-образование, [S.l.], v. 20, n. 1, mar. 2024. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/1021>. Дата доступа: 03 apr. 2025
Раздел
Прикладные проблемы оптимизации

Наиболее читаемые статьи этого автора (авторов)