Детальная информация

Данная бакалаврская работа посвящена разработке гиперэвристического алгоритма для параметрической идентификации фотоэлектрических моделей. Задачи исследования: 1. Выбрать эвристические алгоритмы и критерии переключения режимов поиска. 2. Проверить работу метода на тестовых функциях. 3. Применить разработанный метод к задаче идентификации модели фотодиода. На основе существующих исследований разработан гиперэвристический алгоритм ES-HHA на языке Python. В качестве низкоуровневых эвристик использованы 4 эксплуатационных и 7 исследовательских операторов. Высокоуровневый компонент основан на метриках FDC и PD. Внедрена техника декомпозиции поискового пространства. Произведены тесты алгоритма на функциях Растригина, Розенброка и Аккли, а также на задачах извлечения параметров однодиодной (SDM), двухдиодной (DDM) и трёхдиодной (TDM) моделей.

This bachelors thesis is devoted to the development of a hyperheuristic algorithm for parametric identification of photovoltaic models. Research objectives: 1. Select heuristic algorithms and criteria for switching search modes. 2. Test the method on benchmark functions. 3. Apply the developed method to the problem of photodiode model identification. Based on existing research, the hyperheuristic algorithm ES-HHA has been developed in Python. Four exploitation operators and seven exploration operators are used as low-level heuristics. The high-level component is based on FDC and PD metrics. A search space decomposition technique has been implemented. The algorithm was tested on the Rastrigin, Rosenbrock and Ackley functions, as well as on the parameter extraction problems of single-diode (SDM), double-diode (DDM) and triple-diode (TDM) models.