Альтернативная поисковая адаптации на основе вероятностных обучающихся автоматов Текст научной статьи по специальности «Компьютерные и информационные науки»

Начальным значением для процедуры примем присутствие одного GSM модема (одной Q - связи). На каждом этапе рекурсивной процедуры происходит увеличение числа GSM модемов. Условием выхода из процедуры будет наличие всех возможных связей между всеми М и МК.

Предложенный выше алгоритм позволит проектировать РАСУ гибридных топологий с минимальными финансовыми затратами при допустимых параметрах времени доступа и географической распределенности элементов системы.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Плющаев В. Мерзляков В. Система дистанционного мониторинга и управления объектами. //Современные технологии автоматизации. 2003. №2. С. 6-16.

2. Жшенков Н. Новые технологии беспроводной передачи данных. //Современные технологии автоматизации. 2003. №4. С. 44-48.

УДК 681.3.001.63

Б.К. Лебедев, О.Б. Лебедев

ТРТУ, г. Таганрог

АЛЬТЕРНАТИВНАЯ ПОИСКОВАЯ АДАПТАЦИИ НА ОСНОВЕ ВЕРОЯТНОСТНЫХ ОБУЧАЮЩИХСЯ АВТОМАТОВ1

В 1948 году У. Эшби предложил аналоговое электромеханическое устройство

- гомеостат, моделирующее свойство живых организмов поддерживать некоторые свои характеристики (например, температуру тела, содержание кислорода в крови и т.д.) [1]. Гомеостат Эшби представляет собой динамическую систему

ёит = ¥(и,Х,Е).

Состояние системы описывается вектором и и определяется как вектором управляемых параметров X, так и вектором неуправляемых параметров, характеризующих стохастические свойства среды. Изменение состояния и гомеостата осуществляется с помощью управляющего воздействия на параметры X., причем целью управления является выведение гомеостата в заданное состояние и, т.е. минимизация показателя Q=\U- и \.

Процесс выведения гомеостата в заданное состояние производится методом проб и ошибок, который фактически сводится к случайному перебору управляющих воздействий на X с последующей проверкой их эффективности и реакции. При этом возможны два вида реакции. Отрицательная реакция Я- возникает в ответ на управляющее воздействие, не приводящее к уменьшению показателя Q. Эта реакция, в соответствии с алгоритмом гомеостата, вызывает выбор очередного случайного воздействия. Положительная реакция Я+ следует при уменьшении показателя Q. Она вызывает повторение воздействия, приведшего к положительному резуль-.

системе состояния, которое обеспечивает положительную реакцию Я+.

, , при наличии априорной неопределенности и изменяющихся внешних условий, а получаемую в процессе работы информацию об этих условиях используют для повышения эффективности работы системы. Основные цели адаптации связаны с

1

высшей школы РНП.2.1.2.2238 и РНП.2.1.2.3193

, -

симизации эффективности его функционирования. Здесь адаптация рассматривается как оптимизация.

Значительным шагом в развитии технических устройств для имитации адаптации был предложенный МЛ. Цетлиным подход, основанный на использовании вероятностных обучающихся автоматов [2].

Представим работу гомеостата как функционирование некоторого вероятно, . два компонента - среду и управляющее устройство. Под средой понимается объект ( ), -ствии с алгоритмом случайного поиска.

Основываясь на этой идее, МЛ. Цетлин поместил в среду, характеризующуюся случайной реакцией, вероятностный автомат адаптации (АА) для реализации функции управляющего устройства. Адаптация автомата производится путем самообучения в процессе его функционирования.

На каждом такте работы адаптивной системы в соответствии со значениями А

( ) и, -

водящее к изменению состояния объекта оптимизации £ и показателя Е(Б) (рис.1).

и

СРЕДА (объект оптимизации)

Формирование А О Формирование

адаптивного < АА * отклика среды

воздействия

А

Рис.1

О является откликом среды на реализацию управляющего воздействия. Под действием О автомат переходит в новое состояние и вырабатывает новые выходные значения А.

Пусть £={81 \ 1=1,2,...} - пространство возможных состояний (возможных ).

. . [2] -

, , .

АА способен воспринимать два входных сигнала: поощрения при удаче (+) и (-).

АА в новые состояния. В зависимости от состояния АА на его выходе может быть один из выходных сигналов А1,.^„, соответствующий альтернативной структуре или действию, число которых не должно быть большим и=2^5. Задача адаптации состоит в том, чтобы поддерживать в объекте ту структуру, которая обеспечивает максимальную эффективность объекта при соблюдении заданных ограничений, и иметь возможность переходить на другую альтернативную структуру, если в результате изменения условий она окажется лучше.

Автомат адаптации определяется следующей пятеркой: ({8}, {I}, {А}, Ф, !}. Б(1+1) = Ф(Б(1)), 1(1+1); А(1) = :(8(1)).

Здесь Б(() - внутреннее состояние автомата в момент Р, 1(() - вход автомата (отклик среды - сигнал “поощрения” или “нак^ания”); Ф - функция перехода из

состояния в состояние, Ф:{8}х{1}—{8}; Л(1) - выход автомата в момент времени

^ т.е. его альтернатива (стратегия);/- функция выхода,/: {8}—{Л}.

Характеристикой среды является вектор, имеющий п компонентов: С=(Р1,Р2,...,Рп). При этом Р,- есть вероятность того, что за действия или структуру

А, автомат адаптации получит от среды сигнал поощрения, а с вероятностью Р , = (1-Р) -наказания.

В последнее время большое внимание уделяется разработке методик представления процессов решения оптимизационных задач и задач принятия решений в виде адаптивных процессов на основе самообучения и самоорганизации, моделируемых интеллектуальными многоагентными системами, использующими в качестве агентов - вероятностные автоматы адаптации с механизмами коллективного [3].

Концептуальная схема решения рассматриваемых проблем такова. Задача

( ), -

щей из простейших реактивных агентов, которые способны достигать поставлен, -, -.

Идея коллективной адаптации позволяет свести эволюционную адаптацию к .

Объект можно разбить на подобъекты, которые могут существовать в альтер-.

комбинацией состояний подобъектов.

Оценка состояния подобъекта зависит как от собственного состояния, так и от состояния всех связанных с ним подобъектов, а также от структуры и свойств .

Альтернативная коллективная адаптация подобъектов приводит к эволюционной адаптации всего объекта в целом.

Этот подход можно расширить, т.е. использовать многоуровневую иерархическую структуру объекта.

При организации процесса коллективной адаптации важной проблемой является соотнесение локальных целей отдельных объектов и глобальной цели коллектива объектов

Локальная цель объекта адаптации х( - достижение такого состояния, которое способствует достижению общей цели. Другими словами в процессе адаптации минимизируется оценка косвенным образом связанная с общим критерием оптимизации Е(Б).

Глобальная цель коллектива объектов адаптации заключается в достижении коллективом такого состояния 8, при котором Е@) —тт.

Возможно использование мета-автомата адаптации, который меняет локальные цеди подобъектов в процессе эволюционной адаптации всего объекта.

Будем в дальнейшем объект в целом называть коллективом, а подобъекты -.

, -

ния элементы являются объектами адаптации [3]. Если два элемента а, и а,, расположенные в позициях с координатами (х,у ), (Х],у), связаны одной цепью, то между

ними по осям X и У действуют силы притяжения. Под воздействием серии адапти-, , ( )

от позиции к позиции. Цель конкретного объекта достичь состояния (занять пози), , , . -лью же коллектива объектов является достижение такого размещения элементов в , -

.

Представление исходной формулировки задачи в виде адаптивной системы, основанной на идеях коллективного поведения, предполагает решение следующих задач [3]:

) ;

b) формирование локальных целей объектов адаптации и глобальной цели

;

c) разработка альтернативных состояний объекта адаптации, структуры обучающегося автомата адаптации и механизмов переходов АА;

ф разработка методики выработки управляющих сигналов поощрения или наказания в процессе работы адаптивного алгоритма;

) .

В качестве объекта адаптации может выступать сам автомат адаптации, т.е. его структура и механизмы переходов [4].

Прежде всего, возможно использование мета-автомата адаптации (МАА), который меняет локальные цели подобъектов в процессе эволюционной адаптации всего объекта в целом. Можно также осуществлять частичную замену подобъектов и изменять структуру и свойства связей между объектами.

Возможно применение в процессе адаптации различных структурных элемен-

.

, . -

ми АА называется развивающимся АА. Методы его развития составляют теорию развивающихся автоматов [5].

Повышение эффективности работы АА возможно с использованием принципов искусственного интеллекта [6].

После получения определенного числа наказаний и выходе из текущей группы состояний (адьтернативы), при наличии числа альтернатив более двух, перед АА возникает проблема выбора группы состояний (адьтернативы), в которую он .

Механизмы логического вывода, в частности, нечеткого логического вывода, могут быть использованы для организации такого перехода.

Такой интеллектуальный автомат адаптации (ПАА) позволяет накапливать , .

,, ,

характеризуется в общем случае набором показателей Qi = {qij \, = 1,2,...,к}, которые составляют ядро глобальной базы данных ПАА. Для каждого конкретного объекта проектирования в ПАА формируется множество правил и процедур перехода из состояния в состояние. Разрабатываются стратегии управления, позволяющие путем использования правил и процедур к глобальной базе данных приходить

к наиболее эффективной на данном этапе альтернативе. В этом случае сочетаются

механизмы случайного поиска с механизмами вывода на основе индукции и дедук-.

Поскольку возможно использование нескольких стратегий управления, то

- ( ), . . , -ществлять выбор наилучшего ИАА для данного набора альтернатив. В ИАА возможно использование некоторых наборов параметров, которые настраивают его. В этом случае МАА на одном ИАА осуществляет адаптацию к некоторому набору

.

В качестве оценки работы ИАА может случить частота переходов из состояния в состояние или число переходов в устойчивое состояние (скорость адапта-).

Подытоживая вышеприведенный материал, можно сказать, что адаптация -это высшая ступень автоматизации, характеризующаяся наличием не только об, , -ти и могущих принимать решения на основе аналитических построений и логиче-.

Рассмотренные в работе теоретические положения, методы, алгоритмы позволят в общем случае решать оптимизационные задачи на плохо формализованных и нечетких множествах альтернатив, решать задачи по созданию эффективных средств синтеза топологии СБИС с учетом современных тенденций, обладающих

.

Предложенные методы поисковой адаптации, опирающиеся на сочетание принципов адаптации на основе самообучения, самоорганизации, генетического и

, “

”, , .

Несмотря на значительные достижения в области развития теории эволюционной адаптации они являются далеко не исчерпывающими. Основными направлениями дальнейших исследований являются новые технологии и средства повышения эффективности процесса альтернативной поисковой адаптации: подход на основе моделирования отжига для управления процессом адаптации; стохастические правила выработки управляющих сигналов; вероятностный характер выбора и реализации альтернатив; нечеткие правила переходов в автомате адаптации;

, .

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Растригин Л.А. Адаптивные компьютерные системы. М.: Знание, 1987.

2. Цетлин ММ. Исследования по теории автоматов и моделирование биологических систем. М.: Наука, 1969.

3. Лебедев Б.К. Адаптация в САПР. Таганрог: Изд-во ТРТУ, 1999.

4. . ., . ., . . . . -

обучения. РГАСХМ ГОУ, Ростов н/Д. 2004.

5. Поспелов ДА. Фантазия или наука: на пути к искусственному интеллекту. М.: Наука, 1982.

6. , эволюционного развития и самоорганизации. /Под ред. В.М.Курейчика. Таганрог: Изд, 2003.