CC BY
70
УДК 519.68
Е. С. Семенкин
ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ СЛОЖНЫМИ СИСТЕМАМИ
Подводятся итоги 10 лет работы красноярской школы по моделированию и оптимизации сложных систем
эволюционными алгоритмами
За 10 лет активной работы в Красноярске исследовательской группы (школы) по эволюционным алгоритмам и их применениям в моделировании и оптимизации сложных систем, в которую входят преподаватели, сотрудники, докторанты и аспиранты Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева и преподаватели Сибирского юридического института МВД РФ, а также работники производственных предприятий Красноярска, получены значительные теоретические и практические результаты, защищенные в шестнадцати кандидатских [1...4; 6...8; 10; 12; 17...23] и четырех докторских [5; 9; 11; 13] диссертациях, а также в магистерских диссертациях [23; 24], рекомендованных к защите в качестве кандидатских. Итоги работы группы подведены в монографиях [14.16]. Новые перспективные направления развиваются в квалификационных выпускных работах бакалавров [26; 27].
Прикладные работы представлены следующими направлениями: проектирование систем управления космическими аппаратами и орбитальными группировками [1.3; 5; 13], проектирование многопроцессорных вычислительных систем оперативного управления [6; 8; 9], управление организационно-техническими системами [4; 7; 11; 12], управление производственными процессами [10; 11.13; 17; 23], автоматизация проектирования интеллектуальных информационных технологий [5; 18.22].
Ниже будут представлены основные научные и практические результаты работы группы и направления дальнейшего развития ее исследований.
Комплекс моделей функционирования сложных систем. Необходимость применения эволюционных алгоритмов вызвана сложностью решаемых задач оптимизации, которые обладают следующими свойствами: разнотипными переменными (вещественными, целочисленными, булевыми), алгоритмически заданными целевыми функциями и функциями-ограничениями, наличием многих моделей для описания управляемых объектов, многокритери-альностью и т. д. Данные задачи оптимизации опираются на комплексы моделей функционирования сложных систем, для управления которыми необходимо осуществлять выбор эффективных вариантов систем управления. В ходе выполнения исследований проделана следующая работа:
- проведен системный анализ процесса функционирования системы управления космическими аппаратами и орбитальными группировками;
- осуществлен системный анализ процесса планирования загрузки производственных ресурсов в условиях нерегулярного поступления мелкосерийных заказов;
- проведен системный анализ организации работы и процесса функционирования многопроцессорных вы-
числительных систем автоматизированного управления сложными процессами в режиме реального времени;
- определена и изучена проблематика отраслевого предприятия Минатома в условиях закрытого административно-территориального образования (ЗАТО), исследованы проблемные ситуации и их генезис, выполнен анализ проблематики создания информационной среды отраслевого предприятия Минатома в условиях ЗАТО;
- разработана система поддержки принятия решений при моделировании сложных систем марковскими процессами;
- проведено исследование систем управления реструктурируемых предприятий военно-промышленного комплекса (ВПК), выявлены их особенности, определены основные направления модернизации управления предприятиями;
- проведен анализ системы принятия решений при управлении инновациями на реструктурируемом предприятии ВПК и установлены типы принимаемых решений, имеющие решающее значение для обеспечения высокой эффективности инновационного процесса.
В результате построены следующие модели:
- комплекс формальных моделей выбора эффективного варианта системы управления космическими аппаратами и орбитальной группировкой, отличающихся тем, что в них учтена структура наземного комплекса управления и распределение выполняемых операций, а также взаимосвязь между контурами системы управления, обеспечивающих возможность оптимального проектирования и планирования загрузки системы управления [1.3; 5; 7; 13; 14; 16];
- комплекс формальных моделей оптимизации загрузки производственных ресурсов в условиях нерегулярного поступления мелкосерийных заказов. В этом случае оптимизация выполняется по технологическим и стоимостным критериям, что позволяет оптимально встраивать коммерческие заказы в основной производственный план
[1; 10; 13; 16];
- комплекс математических моделей оценки характеристик надежности и производительности, а также описания функционирования многопроцессорных вычислительных комплексов произвольной конфигурации для оперативного управления сложными процессами в реальном времени [6; 8; 9; 15; 25];
- комплекс формальных моделей формирования структуры распределенной информационной системы для управления сложными организационно-техническими объектами [4; 11; 14; 15];
- структурная модель проблематики и структурная модель информационной среды отраслевого предприятия Минатома в условиях ЗАТО [11; 14; 15];
- комплекс модифицированных математических моделей планирования работы предприятия, которые позволяют осуществлять поддержку принятия решений при распределении финансовых и материальных ресурсов и эффективно согласовывать интересы центров финансовой ответственности и центрального управляющего органа при управлении инновационными процессами на децентрализованном предприятии ВПК [17; 23; 24];
- математические модели оптимизации планирования взлетов и посадок самолетов в аэропортах [12], формирования заявок на поставку товаров крупной торговой компании [12], формирования кредитного портфеля коммерческого банка [12; 24].
Комплекс оптимизационных процедур. Применение разработанных моделей при поддержке принятия решений в управлении сложными техническими, организационно-техническими и организационными системами требует решения сложных задач оптимизации. Для обеспечения такой возможности были разработаны следующие оптимизационные процедуры:
- процедуры решения многоуровневых многокритериальных многошкальных задач оптимизации методами локального и адаптивного поиска, предлагающие специальную организацию программных средств и позволяющие эффективно решать задачи выбора эффективных вариантов сложных систем [3; 5; 9; 11];
- метод обобщенного адаптивного поиска, представляющий собой многопопуляционный эволюционный алгоритм с обобщенными структурами окрестностей, операциями преобразования и отбора решений и стратегиями оптимизации, позволяющий организовать взаимодействие популяций, которые ведут к автоматическому выбору метода оптимизации и адаптации его параметров в процессе решения задачи [5; 21];
- обобщенные алгоритмы регулярного локального поиска для оптимизации функций с булевыми, целочисленными и смешанными переменными, автоматически настраивающиеся на специфические свойства оптимизируемых функций в ходе процесса оптимизации [13];
- регулярные алгоритмы глобальной оптимизации монотонных функций с булевыми и целочисленными переменными, реализующие информационную сложность класса функций [1; 5; 10; 13; 16];
- алгоритм глобальной оптимизации произвольных функций с булевыми, целочисленными и смешанными переменными, реализующий мультистарт обобщенного локального поиска из начальных точек, полученных кластерным эволюционным алгоритмом [13; 16];
- алгоритмы решения дискретных задач условной оптимизации с алгоритмически заданными функциями произвольной формы, основанные на сочетании методов прямого поиска и модификации метода множителей Лагранжа [8; 9; 15];
- алгоритмы адаптивной поисковой оптимизации, позволяющие строить и сужать репрезентативную аппроксимацию множества и фронта Парето при алгоритмически заданных функциях разнотипных переменных [4; 7; 17; 24];
- гибридные поисковые процедуры, сочетающие эволюционные алгоритмы, методы ветвей и границ, локального поиска и позволяющие эффективно решать задачи
смешанного целочисленного программирования [12; 13; 23; 26];
- гибридные поисковые процедуры с нейросетевой аппроксимацией сложной целевой функции в ходе решения задачи оптимизации [2; 5; 26].
Автоматизация проектирования интеллектуальных систем. Полученный опыт и разработанные алгоритмы решения сложных задач оптимизации позволили начать исследования в такой актуальной и перспективной области, как автоматизация проектирования систем искусственного интеллекта (интеллектуальных информационных технологий). При разработке систем искусственного интеллекта основной проблемой является перенос экспертных знаний человека-специалиста в компьютерную систему.
При построении нейронных сетей это можно сделать автоматически по предъявленному задачнику, но при этом логика решения задачи интеллектуальной системы остается неясной для человека-пользователя. Для преодоления этой проблемы выполнена работа [19], в которой разработана программная система, обеспечивающая автоматическое извлечение знаний в явном виде из обученной нейронной сети.
Системы на нечеткой логике используют базу знаний в явном виде, т. е. они не обладают недостатком нейронной сети, однако не могут настраиваться автоматически и требуют длительного взаимодействия с человеком-экс-пертом. Эволюционные алгоритмы позволяют автоматизировать процесс генерирования базы знаний, обеспечивая целенаправленный перебор различных вариантов таких баз знаний с оцениванием их эффективности на наборе тестовых задач. Решению данной проблемы посвящены работы [18; 27].
В диссертации [20] применена комплексная интеллектуальная процедура, использующая нейронные сети и алгоритм генетического программирования для прогнозирования успешности обучения студентов по результатам психодиагностического тестирования абитуриентов.
Еще одно новое и перспективное направление исследований - создание системы автоматического построения аналитических моделей и комплексной оптимизации сложных систем - открывает работа [22], в которой в рамках единого эволюционного подхода предлагается строить аналитические зависимости, описывающие функционирование сложных систем (с использованием генетического программирования), и выполнять по ним оптимизацию (с использованием вероятностного генетического алгоритма).
Направлением дальнейших исследований красноярской группы по моделированию и оптимизации является разработка и исследование эффективных эволюционных методов автоматического формирования причинно-следственных связей и функциональных зависимостей при моделировании сложных систем и алгоритмов оптимизации сложных систем с использованием построенных моделей.
Библиографический список
1. Семенкина, О. Э. Поисковые методы синтеза систем управления космическими аппаратами: дис. ... канд. техн. наук / О. Э. Семенкина; САА. Красноярск, 1995. 165 с.
2. Вишневская, С. Р. Аппроксимация в задачах оптимизации управления космическими аппаратами: дис. ... канд. техн. наук / С. Р. Вишневская; САА. Красноярск, 1997. 167 с.
3. Абрамович, К. Ю. Методы решения специальных классов задач оптимизации при синтезе управления космическими аппаратами: дис. ... канд. техн. наук / К. Ю. Абрамович; САА. Красноярск, 1997. 156 с.
4. Коробейников, С. П. Методы многокритериальной оптимизации для задач синтеза управления сложными объектами: дис. ... канд. техн. наук / С. П. Коробейников; ГХК. Красноярск, 1997. 174 с.
5. Семенкин, Е. С. Метод обобщенного адаптивного поиска для оптимизации управления космическими аппаратами: дис. ... д-ра техн. наук / Е. С. Семенкин; САА. Красноярск, 1997. 400 с.
6. Нечушкин, А. П. Моделирование и совершенствование функционирования специализированных многопроцессорных технических средств управления: дис. ... канд. техн. наук / А. П. Нечушкин; САА. Красноярск, 1998. 132 с.
7. Гарипов, В. Р. Многокритериальная оптимизация систем управления сложными объектами методами эволюционного поиска: дис. ... канд. техн. наук / В. Р. Гарипов; САА. Красноярск, 1999. 138 с.
8. Тынченко, С. В. Модели и алгоритмы выбора надежных вариантов многопроцессорных вычислительных комплексов оперативного управления сложными техническими системами: дис. ... канд. техн. наук / С. В. Тын-ченко; НИИ СУВПТ. Красноярск, 2000. 146 с.
9. Терсков, В. А. Моделирование и оптимизация структуры многопроцессорных вычислительных систем автоматизированного управления в реальном времени: дис. ... д-ра техн. наук / В. А. Терсков; САА. Красноярск, 2001. 318 с.
10. Ильина, Т. Р. Модели и алгоритмы оптимизации загрузки ресурсов в условиях мелкосерийного производства: дис. ... канд. техн. наук / Т. Р. Ильина; НИИ СУВПТ. Красноярск, 2001. 149 с.
11. Лебедев, В. А. Модели и методы формирования структуры информационной системы для управления сложным объектом: дис. ... д-ра техн. наук / В. А. Лебедев; ГХК; НИИ СУВПТ. Красноярск, 2002. 257 с.
12. Хоролич, Г. Б. Эволюционные алгоритмы решения задач смешанной целочисленной оптимизации: дис. ... канд. техн. наук / Г. Б. Хоролич; СибГАУ. Красноярск, 2002. 155 с.
13. Семенкина, О. Э. Метод обобщенного локального поиска для задач принятия решений в управлении сложными системами: дис. ... доктора техн. наук / О. Э. Семен-кина; НИИ СУВПТ. Красноярск, 2002. 334 с.
14. Семенкин, Е. С. Метод обобщенного адаптивного поиска для синтеза систем управления сложными объек-
тами / Е. С. Семенкин, В. А. Лебедев. М.: МАКС-Пресс, 2002. 320 с.
15. Лебедев, В. А. Моделирование и оптимизация многопроцессорных систем оперативного управления / В. А. Лебедев, В. А. Терсков. М.: МАКС-Пресс, 2002. 330 с.
16. Семенкина, О. Э. Оптимизация управления сложными системами методом обобщенного локального поиска / О. Э. Семенкина, В. В. Жидков. М.: МАКС-Пресс, 2002. 215 с.
17. Клешков, В. М. Модели и алгоритмы распределения общих ресурсов при управлении инновациями реструктурированного предприятия ВПК: дис. ... канд. техн. наук /
B. М. Клешков; НИИ СУВПТ. Красноярск, 2003. 171 с.
18. Галыгин, А. Н. Алгоритмы автоматического формирования базы правил для систем управления на нечеткой логике: дис. ... канд. техн. наук / А. Н. Галыгин. Красноярск, 2004. 124 с.
19. Ильин, Е. С. Интеллектуальная системе анализа данных на основе нейронных сетей: дис. ... канд. техн. наук / Е. С. Ильин; СибГАУ. Красноярск, 2004. 152 с.
20. Павлюк, А. А. Система интеллектуального анализа данных для прогнозирования успешности учебной деятельности: дис. ... канд. техн. наук / А. А. Павлюк; СибГАУ Красноярск, 2004. 114 с.
21. Жукова, М. Н. Коэволюционный алгоритм решения сложных задач оптимизации: дис. ... канд. техн. наук / М. Н. Жукова; СибГАУ Красноярск, 2004. 126 с.
22. Сопов, Е. А. Эволюционные алгоритмы моделирования и оптимизации сложных систем: дис. ... канд. техн. наук / Е. А. Сопов; СибГАУ Красноярск, 2004. 132 с.
23. Гупалов, К. В. Модели и алгоритмы оптимизации для управления инновациями реструктурированного предприятия ВПК: дис. ... канд. техн. наук / К. В. Гупалов; НИИ СУВПТ. Красноярск, 2004. 151 с.
24. Гуменникова, А. В. Разработки и исследование адаптивного поискового алгоритма решения многокритериальных задач условной оптимизации: дис. ... магистра техники и технологий / А. В. Гуменникова; СибГАУ Красноярск, 2004. 86 с.
25. Панфилов, И. А. Сравнительный анализ эффективности методов решения СЛАУ при моделировании функционирования МВС: дис. ... магистра техники и технологий / И. А. Панфилов; СибГАУ. Красноярск, 2004. 61 с.
26. Бежитский, С. С. Разработка и исследование гибридного алгоритма решения сложных задач оптимизации: квалификац. работа бакалавра техники и технологий /
C. С. Бежитский; СибГАУ. Красноярск, 2004. 58 с.
27. Липинский, Л. В. Программная система автоматического формирования нечеткого логического контроллера: квалификац. работа бакалавра техники и технологий / Л. В. Липинский, В. А. Малько; СибГАУ Красноярск, 2004. 54 с.
E. S. Semenkin
EVOLUTIONARY ALGORITHMS OF DECISION SUPPORT FOR COMPLEX SYSTEMS MANAGEMENT AND CONTROL
Results of 10 years activity of Krasnoyarsk team of complex systems modeling and optimization with evolutionary algorithms are presented.
