Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Системный анализ, управление и обработка информации

Диссертационная работа:

Сопов Евгений Александрович. Эволюционные алгоритмы моделирования и оптимизации сложных систем : Дис. ... канд. техн. наук : 05.13.01 : Красноярск, 2004 129 c. РГБ ОД, 61:05-5/1601

смотреть введение
Введение к работе:

Актуальность темы. При решении задач оптимизации сложных систем часто встречаются ситуации, которые затрудняют или делают невозможным применение классических методов, такие как неопределенность, разношкаль-ность, вычислительная сложность, высокая размерность, существенная нелинейность и многоэкстремальность. Эволюционные алгоритмы способны преодолевать многие из возникающих трудностей. В частности, генетические алгоритмы реализуют прямой поиск, исключая проблему неопределенности, переменные задачи в генетических алгоритмах кодируются бинарными строками - решается проблема разношкальности. Как показывает практика применения эволюционных алгоритмов, высокая размерность задач, нелинейность и многоэкстремальность не создают для них дополнительных трудностей. Эволюционные алгоритмы способны также преодолеть проблему вычислительной сложности, путем решения задачи символьной регрессии с помощью метода генетического программирования. Символьная регрессия дает не только вычислительную процедуру, но и символьное математическое выражение, которую можно было бы подвергнуть содержательному анализу, упростить, уточнить, и далее использовать для оптимизации.

В задачах оптимизации сложных систем использование математических моделей позволяет выявлять свойства исследуемых систем, ускорять получение оценок качества решений или вовсе заменить реальный объект исследования. При построении моделей возникают задача выбора оптимальных параметров алгоритма моделирования, а также задача оптимизации параметров модели. Таким образом, возникает необходимость интеграции методов моделирования и оптимизации. В этой связи разработка методов, позволяющий в рамках единого подхода автоматизировать процесс построения и оптимизации моделей сложных систем является актуальной научной проблемой.

Целью работы является совершенствование процедур моделирования и оптимизации сложных систем с помощью эволюционных алгоритмов.

Поставленная цель определила следующие основные задачи исследования:

  1. Провести анализ основных свойств задач моделирования и оптимизации сложных систем и возможных подходов к их решению.

  2. Программно реализовать и провести сравнительный анализ эффективности стохастических поисковых методов с бинарным представлением решений и генетического алгоритма.

  3. Разработать, программно реализовать и оценить эффективность генетического алгоритма, более полно использующего накапливаемую статистическую информацию.

  4. Провести анализ методов решения задачи символьной регрессии.

  5. Разработать и программно реализовать алгоритм решения задачи символьной регрессии с помощью метода генетического программирования. Пока-

«АЛЬНАЯ I

БНБлжткл 1

СІ*

twrt»f Лі

зать его работоспособность на тестовых задачю^0(. национальная

6. Разработать процедуру совместного использования предложенных алгоритмов для автоматического генерирования и оптимизации моделей сложных систем.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, исследования операций, теории вероятности, математической статистики, дискретной оптимизации и эволюционных алгоритмов.

Научная новизна диссертационной работы состоит в следующем:

  1. Разработан новый генетический алгоритм, отличающийся от известных способом генерирования перспективных решений и превосходящий их по быстродействию и надежности.

  2. Разработан новый гибридный алгоритм символьной регрессии, сочетающий стандартную процедуру генетического программирования для выбора структуры модели и алгоритм эволюционного поиска для настройки ее параметров и превосходящий известные аналоги по быстродействию.

  3. Впервые предложен метод прогноза сходимости стохастических поисковых алгоритмов решения задач оптимизации с булевыми переменными.

  4. Впервые предложена интегрированная процедура для автоматизированного генерирования и оптимизации моделей сложных систем эволюционными алгоритмами.

Практическая значимость. На основе предложенных алгоритмов разработаны современные программные системы, которые позволяют широкому кругу специалистов в рамках одного подхода решать задачи моделирования и параметрической оптимизации сложных технических и организационно-технических систем.

Реализация результатов работы. Программные системы, реализующие гибридный метод генетического программирования и вероятностный генетический алгоритм прошли экспертизу и зарегистрированы в отраслевом фонде алгоритмов и программ (ОФАП) Государственного координационного центра информационных технологий Министерства образования и науки (коды программ по ЕСПД: .03524577.00637-01 и .03524577.00638-01, номера государственной регистрации 50200400500 и 50200400501, номера свидетельств об отраслевой регистрации разработок 3507 и 3508).

Предложенная система моделирования и оптимизации сложных систем на основе гибридного алгоритма генетического программирования и вероятностного генетического алгоритма использована при решении актуальной практической задачи - оптимизации работы электростанции на топливных элементах в установившемся режиме. Полученные с помощью вероятностного генетического алгоритма параметры позволяют повысить эффективность работы станции на 6.4%. Результаты решения переданы Институту автоматизации управления при Высшей технической школе г. Ульм (ФРГ).

Предложенные в диссертации алгоритмы и программные системы используются в учебном процессе при проведении занятий по специальным курсам «Системы искусственного интеллекта» и «Адаптивные и эволюционные методы принятия решений» в Сибирском государственном аэрокосмическом

университете, а также по общему курсу «Методы оптимизации» и специальным курсам «Системный анализ и управление» и «Эволюционные алгоритмы оптимизации» в Красноярском государственном университете. Основные защищаемые положения:

1. Вероятностный генетический алгоритм является эффективной проце
дурой оптимизации сложных систем, содержит меньше настраиваемых пара
метров и превосходит стандартный генетический алгоритм по быстродействию
и надежности.

2. Гибридный алгоритм генетического программирования позволяет
строить адекватные аналитические модели сложных систем по результатам на
блюдений и превосходит стандартный алгоритм генетического программирова
ния по быстродействию.

  1. Метод прогноза сходимости алгоритмов позволяет повысить их надежность и снизить трудоемкость.

  2. Интегрированная процедура эволюционного моделирования и оптимизации позволяет в рамках единого подхода осуществлять автоматизированное построение моделей и оптимизацию сложных систем.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на следующих научно-практических конференциях: Межвузовская научно-практическая конференция «Молодежь Сибири - науке России», СИБУП, Красноярск, 2002; Межвузовская научная конференция «Информатика и информационные технологии», КГТУ, Красноярск, 2003; XXVI Научная студенческая конференция по математике, КГУ, 2003; Краевая выставка технических идей и разработок «Первый сибирский техносалон», Красноярск, 2003; Всероссийская научно-техническая конференция с молодых ученых «Совершенствование методов поиска и разведки, технологий добычи и переработки полезных ископаемых», КрасГАЦиЗ, Красноярск, 2003; Всероссийская молодежная научная конференция «VII Королевские чтения», Самара, 2003; Всероссийская научная конференция «Решетневские чтения», Красноярск, 2003; X Юбилейная Международная научно-практическая конференция молодых ученых «Современные техника и технологии», Томск, 2004; Международная научно-практическая конференция «Актуальные проблемы информатики и информационных технологий», Тамбов, 2004.

Кроме того, отдельные результаты работы и диссертация в целом обсуждались на научно-техническом семинаре института автоматизации управления при Высшей технической школе г. Ульм (Германия), научных семинарах экспериментальной лаборатории интеллектуальных технологий и адаптации Сиб-ГАУ и научных семинарах кафедры механики и процессов управления Красноярского государственного университета и кафедры системного анализа и исследования операций СибГАУ.

Публикации. По результатам диссертационной работы опубликовано тринадцать печатных научных работ, среди которых 7 статей в сборниках трудов. Список публикаций приведен в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и двух приложений.

Подобные работы
Панченко Александр Александрович
Моделирование и оптимизация управления системой медицинского обслуживания населения сельского административного района на основе геоинформационного мониторинга и прогнозирования
Хафизов Ренат Назипович
Системный анализ, моделирование и оптимизация функционирования систем централизованного теплоснабжения в районах Крайнего Севера
Пятаева Елена Владимировна
Моделирование и оптимизация распределенных вычислительных систем
Бодров Александр Александрович
Моделирование и оптимизация распределенных информационно-справочных систем накопительного типа
Шушков Сергей Анатольевич
Оптимизация систем организационного управления на основе трансферта результатов модульного моделирования
Исаков Павел Николаевич
Оптимизация управления слабоформализуемыми объектами в социально-экономических системах на основе нейросетевого моделирования
Саидов Абдурахим
Моделирование и оптимизация режимов функционирования сложных сетевых объектов иерархической структуры (на примере открытых систем теплоснабжения)
Ахмад Бадер
Оптимизация программно-алгоритмического обеспечения коррекции ошибок инерциальных навигационных систем на основе идентификации и моделирования
Ней Мин Тун
Анализ и разработка методов и алгоритмов оптимизации графовых моделей на кластерных вычислительных системах
Степаненко Мария Анатольевна
Разработка моделей и алгоритмов оптимизации процедур диагностирования на граф-моделях технических систем

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net