Труды КНЦ вып.29 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 3/2015(29))

носят систематический характер и хорошо подходят как для поиска единственного решения, так и для поиска всех возможных корней системы ограничений. Однако пространство поиска, с которым они работают, ограни­ чено размерностью 5050, где основание степени - количество переменных, а показатель степени - максимальное количество значений в областях определения этих переменных. Поэтому, если нам требуется решить задачу поиска хотя бы одного решения, возможно, отвечающего некоторому заранее заданному критерию, а пространство поиска имеет на несколько порядков большую размерность, то необходимо привлекать алгоритмы локального поиска, которые не гарантируют при одном запуске получение требуемого решения, но серия запусков обычно довольно быстро приводит к искомому результату. Заключение В статье проанализированы некоторые из широко известных методов локального поиска, которые можно применять при решении ЗУО. Проана­ лизированы недостатки существующих алгоритмов систематического поиска, использующих матричное представление конечных предикатов. Сделан вывод о целесообразности исследования свойств упомянутых логических матриц с целью ускорения стандартных алгоритмов локального поиска. Фокус наших дальнейших исследований сосредоточен именно на разработке подобных методов локального поиска, интегрирующих матричное представление ограничений и модификации известных эвристических процедур. Литература 1. Щербина, О.А. Удовлетворение ограничений и программирование в ограни­ чениях / О.А. Щербина// Интеллектуальные системы, 2011. - Т .15, вып. 1-4. - С.54-73. 2. Панченко, Т. В. Генетические алгоритмы / Т.В. Панченко // Издательский дом «Астраханский университет», 2007. - 28 с. 3. Kirkpatrick, S. Optimization by Simulated Annealing / S. Kirkpatrick, C.D. Gelatt, M.P. Vecchi // Science. - Vol. 220. - No. 4598. - P.671-680. 4. Ingber, L. Simulated Annealing: Practice versus theory / L. Ingber // Mathematical and Computer Modelling. -1993. -№18(11). -P.29-57. 5. Ingber, L. Adaptive simulated annealing (ASA): Lessons learned / L. Ingber // Journal «Control and Cybernetics», 1995. -P .3-9. 6. Beni, G. Swarm Intelligence in Cellular Robotic Systems, Proceed / G. Beni, J. Wang // NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy, June 26-30, 1898. 7. Dorigo, M. The Ant System: Optimization by a colony o f cooperating objects / M. Dorigo, V. Maniezzo, A. Colomi // IEEE Trans. On Systems, Man, and Cybernetics, 1996. - № 26(1). - P.9-41. 8. Курейчик, В.В. Архитектура гибридного поиска при проектировании / В.В. Курейчик // Известия Южного федерального университета. Технические науки. - Таганрог: Изд-во ТТИ ЮФУ, 2012. - №7 (132). -С.22-27. 9. Dorigo, М. Ant Colony Optimization / М. Dorigo, Т. Stuzle // Bradford Company Scituate, MA, USA, 2004. -P.223-242. 73