CC BY
118
УДК 621.3.681.3
В.М. Курейчик, В.В. Курейчик ЭВОЛЮЦИОННЫЕ МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ
Введение. Предлагается использовать аналогии решения задач, которые возникли и развиваются вместе с природой в течение всего эволюци-.
предлагают применять методы моделирования Дарвиновской эволюции и ее модификации [1,2]. Эволюция создает решения проблемы выживания, уникальные для каждого элемента, и эти решения с нашей точки зрения оптимальны. Построены нестандартные архитектуры решения оптимизационных задач (03) принятия решений (ПР). Это позволяет расширить область поиска решений без увеличения времени работы алгоритмов и сократить преждевременную сходимость алгоритмов [3,4].
Перспективные архитектуры генетического поиска. Необходимым условием эффективной работы интеллектуальных искусственных систем (ИИС) с использованием генетических алгоритмов (ГА) является автоматизированная адаптивная настройка на объект исследования.
Оптимизационные задачи ПР используют в качестве начального не одно, а несколько альтернативных решений. Причем, в зависимости от сложности перерабатываемой информации исходные решения могут иметь , . Далее полученные решения будут обрабатываться адаптированными к решаемой 03 ПР генетическими алгоритмами поиска. Заметим, что такая стратегия позволяет быстрее находить локально-оптимальные результаты. Это связано с параллельной обработкой множества альтернативных реше-.
сложностью быстрых итерационных алгоритмов и лежит в пределах 0(К,п) - 0(К;П3), где К, ^ - коэффициенты, п - число входов алгоритмов. Такая сложность обещает перспективность использования ГА при решении 03 ПР. Отметим, что до теории эволюции Дарвина (ЭД) о естественном отборе Ламарк предложил многогранную теорию эволюции [5], которая основана на понятии, что характеристики, приобретенные организмом в течение его жизни, наследуются его потомками. Эволюция Ламарка (ЭЛ) является концепцией искусственной эволюции, применимой в технике. Авторы предлагают использовать некоторые принципы ЭЛ для построения ИИС и решения .
Опишем совместный алгоритм, основанный на ЭД и ЭЛ. ЭД реализована в виде ГА, в который встроен алгоритм ЭЛ. Он содержит элемент Ламарка (Шкала, С) и используется для контроля эволюции Ламарка. Шкала -это действительное число от 0 до 1, определяющее процентное соотношение в популяции, к которому будет применена ЭЛ, а С - число итераций ГА.
На рис.1 показана схема алгоритма совместной ЭД и ЭЛ с блоком адаптации [4]. Первый элемент ЭЛ предусматривает случай, когда пользо-
( 1 ).
элемент собирает полное множество номеров хромосом в популяции и для них вызывает алгоритм Ламарка. Второй элемент используется, если про-
0.
процесса вычисляется по параметру процентного соотношения и размеру
, ,
популяции. Второй элемент ЭЛ вызывает предикат для выбора множества номеров хромосом, лежащих в пределах от 1 до размера популяции. Для выполнения этого предикат многократно повторяется до тех пор, пока не будет набран требуемый размер. Заметим, что если большой процент популяции подвергается ЭЛ, то этот процесс может быть медленным, так как выбор хромосом для ЭЛ требует дополнительного времени. Если ЛПР не желает использовать ЭЛ, то шкалу выбираем равную 0. Если новая ЦФ лучше, чем у исходной хромосомы, то она заменяется оптимизированным выражением. В противном случае замены не происходит. ЛПР на основе адаптации может утвердить или отменить ЭЛ. В схему совместного алгоритма ЭД и ЭЛ можно включить любой набор поисковых алгоритмов. Генетический алгоритм использует гибридный устоявшийся подход, в котором генерации определяются для исследования эволюции Ламарка и накопле-.
.
Адаптация
Нет
Рис.1. Структурная схема совместного алгоритма ЭЛ и ЭД с СГПУ
Рассмотрим новые архитектуры поиска. Такая модель представляет две взаимодействующие противоположности. Все последующие иерархические уровни увеличивают число противоречий. Здесь на создание новой популяции Р’ оказывает влияние не только блок адаптации, но и внешняя среда. Из таких строительных блоков (СБ), как из «кирпичиков» может быть построена ИИС любой сложности.
Предлагается комбинированная схема принятия решений с обратной связью, представленная на рис.2. ПГА - простой генетический алгоритм, ЭД и ЭЛ - совместная реализация моделей эволюции
Рис. 2. Комбинированная схема ПР на основе СГПУ
Дарвина и Ламарка. Редуктор объединяет свойства экспертной системы, ЛПР, блоков установления аналогий. Компенсатор регулирует динамически изменяемый размер популяции решений, а именно, расширяя, сужая или оставляя ее постоянной. После реализации ЭД и ЭЛ компенсатор при взаимодействии с внешней средой реализует баланс, а фильтр поддержи. -ния популяций и выхода из локальных оптимумов. Блоки сумматор, редуктор и фильтр позволяют повысить эффективность реализации эволюции и . , решения резко усложняется, но параллельное выполнение генетических операторов на порядок снижает временную сложность алгоритмов.
Заключение. Отметим, что основные задачи повышения качества решений 03 с применением ГА на основе обратных связей - это выход из локальных оптимумов. В этой связи исследователи разрабатывают различные схемы поиска и строительных блоков, на основе которых можно получать ИИС различных уровней сложности. В некоторых схемах поиска для нахождения квазиоптимальных решений за приемлемое время предлагается использовать модели совместной эволюции Дарвина и Ламарка. Экспериментальные исследования на разработанной оболочке ГА показали эффективность предложенных архитектур генетического поиска.
ЛИТЕРАТУРА
1. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах. М.: Логос,2000.
2. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь,1981.
3. Курейчик В.М. Генетические алгоритмы: Монография. Таганрог: Изд-во ТРТУ, 1998.
4. Куре йчик ВВ. Эволю ционные, синергетические и гомеостатические методы принятия решений: Монография. Таганрог: Изд-во ТРТУ, 2001.
5. Practical Handbook of Genetic Algorithms / Editor I. Chambers. T.1, Washing-ton,USA, CRC Press, 1995.
