Аннотация 2
ВВЕДЕНИЕ 5
1 АНАЛИЗ ПЕРСПЕКТИВ ВИЗУАЛИЗАЦИИ АЛГОРИТМОВ 6
2 ПРИНЦИПЫ РАБОТЫ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ 5
2.1 Описание генетического алгоритма 9
2.2 Выбор тестовых функций для визуализации 14
3 ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ 3D ВИЗУАЛИЗАЦИИ 9
3.1 Функциональная особенность программной реализации 17
3.2 Технические особенности программной реализации 18
3.3 Структура проекта 19
3.4 Классовая наполненность проекта 22
3.5 Описание интерфейса пользователя 45
ЗАКЛЮЧЕНИЕ 48
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 49
В связи с эпидемией коронавирусной инфекции COVID-19 Всемирной организацией здравоохранения была объявлена чрезвычайная ситуация международного значения в области здравоохранения. Обучение практически во всех высших учебных заведений было переведено на дистанционный формат. В связи с этим актуальной задачей является обеспечение визуализации учебного материала, предоставляемого студентам, на высоком уровне.
Одновременно с этим в теории оптимизации существуют такие алгоритмы, принцип действия которых проще понять путем рассмотрения примеров вычислений. К таким алгоритмам относятся генетические алгоритмы.
Поэтому целью данной работы является повышение наглядности обучающих материалов по теории оптимизации за счет 3D визуализации работы генетического алгоритма.
Для достижения данной цели в исследовании решались следующие задачи: анализ перспектив визуализации алгоритмов, анализ принципов работы генетического алгоритма, разработка программного обеспечения для 3D визуализации генетических алгоритмов.
В результате выполнения бакалаврской работы на языке программирования Scala было разработано программное обеспечения для 3D визуализации процесса поиска глобальных экстремумов функции с помощью генетического алгоритма. Программное обеспечение генерирует 3D сцену, содержащую в себе поверхность исследуемой функции и решения, найденные на текущей итерации генетическим алгоритмом. При этом обеспечено интерактивное управления обзором на 3D сцену, что повышает наглядность при наблюдении за процессом поиска экстремумов функции.
При необходимости возможна интеграция в программное обеспечение поддержки шлемов VR (виртуальной реальности).
В заключение бакалаврской работы можно сделать следующие выводы:
1. Распространение вирусной инфекции COVID-19 будет стимулировать развитие дистанционного образования, по этой причине актуальным вопросом будет являться разработка средств визуализации изучаемого учебного материала.
2. Генетические алгоритмы является одной из тем теории оптимизации, понимание которой (из-за множества параметров алгоритма) требует рассмотрения большого количества практических примеров.
3. Основными параметрами генетического алгоритма, влияющими на результат решения задачи оптимизации, являются: размер популяции на каждой итерации; количество пар, генерируемых для скрещивания; процент лучших особей, участвующих в скрещивании; коэффициент расчета параметров особи после скрещивания; процент лучших особей попадающих в популяцию перед переходом на следующую итерацию (остальные места в популяции занимают особи, сгенерированные случайным образом); вероятность мутации особи после скрещивание и сила мутации.
4. На языке программирования Scala было разработано программное обеспечения для 3D-визуализации процесса поиска глобальных экстремумов функции с помощью генетического алгоритма. Программное обеспечение генерирует 3D сцену, содержащую в себе поверхность исследуемой функции и решения, найденные на текущей итерации генетическим алгоритмом. При этом обеспечено интерактивное управления обзором на 3D сцену, что повышает наглядность при наблюдении за процессом поиска экстремумов функции.
5. Дальнейшее развитие программного обеспечения возможно за счет внедрения поддержки шлемов виртуальной реальности VR.
Таким образом, все поставленные задачи выполнены, и цель работы достигнута.
