Введение к работе
Актуальность работы.
За последние десять лет значительно увеличился интерес к исследованию возможностей использования механизмов биолопіческой эволюции для достижения оптимальных решений, разработки эффективных самообучающихся систем, решения практических задач. Появился новый термин -эволюционные вычисления, который объединяет все направления исследований искусственной эволюции, моделируемой на компьютере. Среди этих направлений основную роль играют генетические алгоритмы, эволюционные стратегии и эволюционное программирование, которые уже успели хорошо зарекомендовать себя при решении большого числа практических задач. В отличие от классических методов, например, методов рекурсивного предсказания ошибки, метода Ньютона-Рафсона, эволюционные алгоритмы используют множество (популяцию) взаимно конкурирующих пробных решений задачи. Происходит одновременное движение по множеству взаимодействующих стохастических траекторий, сходящихся к одной или нескольким областям пространства поиска. В реальных условиях, когда целевая функция искажается случайными возмущениями, это свойство позволяет эволюционным алгоритмам находить приемлемые оптимальные решения. В результате, появляется возможность создания алгоритма, который был бы эффективным-в широком диапазоне условий за счет использования механизмов, свойственных биолопіческой эволюции.
Область приложений новых алгоритмов чрезвычайно широка: распознавание образов, оптизационные задачи, моделирование биолошческих систем, адаптивное управление объектами, интеллектуальные роботы и друпіе подобные задачи. Кроме этого новые методы позволяют осуществлять эффективную интеграцию с активно развивающимся направлением, использующем результаты исследований механизмов работы мозга -нейронными сетями. Эта интеграция приводит к дальнейшему расширению возможностей и области приложений эволюционных алгоритмов. Наиболее широко среди эволюционно вычислительного направления представлены генетические алгоритмы, имитирующие эволюцию на уровне генотипа. Относительно недавно был предложен новый тип генетического алгоритма, оперирующего хромосомами переменной длины и не накладывающего ограничений на размер хромосомы, на позиционирование и тип генов внутри хромосомы, - мобильный генетический алгоритм. Первые эксперименты, выполненные для ограниченного набора специально разработанных тестовых функции продемонстрировали его преимущество и широкие возможности по сравнению со-стандартным генетическим алгоритмом. Однако, в настоящее
время практически полностью отсутствует опыт и исследование эффективности его применения для решения реальных задач. Поэтому прежде всего требуется проведение всестороннего анализа свойств алгоритма при решении практических задач, выяснение необходимости и возможностей, его развития.
Целью работы является исследование эффективности мобильных генетических алгоритмов, их усовершенствование и применение для создания самообучающихся адаптивных систем классификации и прогнозирования.
Задачи, рассматриваемые в диссертации;
-
Исследование свойств мобильного генетического алгоритма.
-
Разработка самоадаптирующихся механизмов управления алгоритмом.
3. Создание адаптивной системы классификации на основе
модифицированного мобильного генетического алгоритма.
4. Анализ эффективности разработанных алгоритмов и систем, сравнение с
другими методами.
5. Применение разработанных алгоритмов и систем для решения
практических задач: классификация поступающих в университет и
прогнозирование энергопотребления.
Научная новизна;
Ь Разработан модифицированный мобильный генетический алгоритм. Предложены правила 'самоадаптации параметров генетического алгоритма, контролирующих процесс сплайсинга (сцепление хромосом) и мутацию.
2. Показано, что модифицированный мобильный генетический алгоритм
обладает высокой эффективностью по сравнению со стандартным алгоритмом
при решении тестовых задач оптимизации и реальной задачи прогнозирования.
3. Разработана адаптивная система классификации на основе
модифицированного мобильного генетического алгоритма. Анализ ее свойств
при решении тестовых и реальных задач классификации показал
преимущества системы по сравнению со многими другими методами
классификации.
Щ)Жшаесііая_ЦЄіишсііи Разработанная адаптивная система классификации на базе модифицированного мобильного генетического алгоритма использовалась для классификации поступающих в американский университет. Разработанный самоадаптирующийся генетический алгоритм был использован
для решения задачи прогнозирования газопотребления на географически большой территории США.
В настоящее время результаты данной работы и, в частности, программная разработка генетического алгоритма и нейросетевых алгоритмов, используются в университете штата Небраска (США) и в университете Сингапура. Планируется применение результатов работы в Физико-энергетическом институте (г.Обнинск) при создании специализированного комплекса "советчик оператора", предназначенного для решения задач диагностики н управления объектами на атомных электростанциях.
Материалы диссертации докладывались на:
-
Международная конференция по генетическим алгоритмам и нейронным сетям, Алее, Франция, 1995;
-
Тихоокеанская конференция по информационным системам, Сингапур, 1995;
-
10-ая международная конференция по математическому и компьютерному моделированию и научным расчетам, Бостон, США, 1995;
-
Всемирный конгресс по нейронным сетям, Сан-Диего, США, 1994;
-
11-ая Еяропейская конференция по искусственному интеллекту, Амстердам, Голландия, 1994;
-
Международная конференция по APL, Антверпен, Бельгия, 1994;
-
Международная конференция no APL, Торонто, Канада, 1993;
-
Международная конференция но APL, Санкт-Петербург, Россия, 1992;
-
научные семинары в ФЭИ, г.Обнинск, в 1992-95 гг..
Публикации.
Основные результаты диссертации опубликованы в 9 статьях. 2 статьи приняты к публикации в международных научных журналах к 2 статьи находятся на этапе рецензирования.
Структура и обьем работы.
Диссертация состоит из введения, шести глав, заключения, приложения и списка литературы. Объем диссертации - 147 страниц, 48 рисунков, 4 таблицы, библиография из 78 наименований.