Метод создания начальной популяции в генетических алгоритмах, адаптированный к задаче размещения Текст научной статьи по специальности «Математика»

Поэтому актуальной становится проблема создания новых моделей количественной оценки степени доверия [1], отличающихся от классических методов оценки транзитивного доверия на основе публичных ключей [2] и сокращающих время проверки и расходы на верификацию сделок.

Предлагается подход к решению этой задачи на основе аппарата теории нечетких множеств и нечеткой логики [3].

Риск сделки представляется функцией переменных доверия, основной среди которых является история транзакций. Ее легко описать при помощи лингвистиче-,

сделки и возвратов товара.

Аналогичным образом описывается интенсивность верификации транзакции, определяемая риском сделки, - от минимальной до многократной проверки. Верификация платежа для покупателя с положительной историей транзакций представляет меньшую необходимость, чем для покупателя с плохой историей.

На основе количества и истории транзакций, а также экспертной оценки базового доверия покупателю, формируется матрица доверия. Ее удобно задать при помощи нечетких функций принадлежности:

.. = { Ж + А если Ж < Ж

Ж 1 1 i ,

Ж - А если Ж > ЖР

Ж - , -

такой продавца;

п

А =——, где п = 1,2,...; m = 3,5,.... m ■ п

Предлагаемый альтернативный подход к верификации торговых сделок в электронной коммерции позволяет эффективно производить их взвешенную оценку с допустимым ростом риска сделки.

ЛИТЕРАТУРА

1. Manchala D.W., “E-Commerce Trust Metrics and Models”, IEEE Internet Computing, March/April 2000.

2. Reiter M.K. and Stubblebine S.G., “Toward Acceptable Metrics of Authentication”, Proc. IEEE Symp. Security and Privacy, IEEE Computer Soc. Press, 1997.

3. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

УДК 381.31.00

Ю.О. Чернышев, ОX. Ведерникова МЕТОД СОЗДАНИЯ НАЧАЛЬНОЙ ПОПУЛЯЦИИ В ГЕНЕТИЧЕСКИХ ,

Перспективой улучшения базового генетического алгоритма (ГА) является адаптация его к структуре решаемых задач [1,2]. Качество решения во многом зависит от начальной популяции. При формировании начальной популяции необходимо обеспечить достаточно высокие значения фитнесса у особей начальной популяции и разнообразие их генофонда [3]. Этого можно достичь путем введения эле-

Материалы Международной конференции “Интеллектуальные САПР”

мента случайности в детерминированный способ решения рассматриваемой задачи, задачи размещения элементов СБИС.

В предлагаемой стратегии формирования стартовой популяции, адаптированной к задаче размещения, используется детерминированный метод последовательного размещения по связности, в котором введены случайные факторы р1 и р2: Р1 -случайный номер первого элемента, с которого начинается цикл детерминированного алгоритма; р2 - случайное количество шагов в каждом цикле детерминиро-. -чайно и зависит от случайных величин р2 и размера задачи п. Опишем процесс создания стартового решения с помощью следующего алгоритма:

Пусть Ек ,Ьк - множества размещенных элементов и занятых позиций на к-ом шаге, -, Е к Ьк - множества неразмещенных элементов и незанятых позиций на ком шаге;.

1) п1=п - количество неразмещенных элементов; п2=0 - количестворазмещен.

2) Генерируем случайное число р1 от 0 до пьЕсли п1=0до переход к пункту 8.

3) Случайный элемент ер1 размещаем в произвольную позицию Ь к ; исключаем его из множества не размещенных элементов и позицию 1р1 из множества

незанятых позиций п1=п1-1; включаем e во множество размещенных элементов и

л

позицию lр1 во множество занятых позиций п2=п2+1.

4) Генерируем случайное число р2 от 1 до п1; Начало цикла 1Ьг т:=1 Ю р2 ^.

5) Находим элемент е. е Ек, максимально связанный с размещенными эле-

1о к

ментами, т.е. имеющий максимальную характеристику

с

в: еЕ

6) Размещаем в такую позицию из множества Ь к ,которая отвечает требованиям минимума длины частичных соединений 6- с уже размещенными эле-

ментами, е ■ е Ек, т.е. имеющую минимальную характеристику

е: еЕк

- исключаем е- из множества не размещенных элементов и 1 ^ из множества незанятых позиций п1=п1-1; включаем е ■ во множество размещенных эле-

-о

1 1 - п2=п2+1.

7) т=т+1; если т<р2, то возврат к пункту 5,иначе к пункту 2.

8) ;

, , -щую достаточным разнообразием генофонда и довольно высокими значениями

фитнесса. Данный подход позволяет концентрировать дальнейший поиск ГА на наиболее перспективных областях.

ЛИТЕРАТУРА

1. Shahookar K., Mazumder P.A genetic approach to standard cell placement using metagenetic parameter optimization. IEEE Transactions on Computer-Aided Design, 9(5): 500-511, May, 1990.

2. Cohoon J.P., Paris W.D. Genetic Placement, IEEE Trans. on CAD, Vol.6, No.6, November, 1987. pp.956-964.

3. Чернышев Ю.О., Курейчик B.B. Генетические алгоритмы размещения / XXII International School And Conference On Computer Aided Design, CAD-95, Gurzuff, 1995. C.329-330.

УДК 681.3

. . , . . , . . , . .

МЕЛЬКАЮЩИЙ ХРОМАТИЧЕСКИЙ СВЕТ КАК РЕГУЛЯТОР БИОЛОГИЧЕСКИХ ПРОЦЕССОВ В ЗРИТЕЛЬНОЙ СИСТЕМЕ

Наличие специфических расстройств зрительных функции у человека часто является следствием развития той или иной нейрозрительной патологии. Выявление таких функциональных нарушений, c одной стороны, помогает своевременной офтальмодиагностике и, с другой стороны, епособствует изучению механизмов зрительного восприятия. Прослеживая зрительный путь от рецепторов сетчатки глаза до нейронов мозга, можно обнаружить, что имеются отдельные функциональные подсистемы или каналы, деятельность которых обеспечивает, например: , , , , формы, цвета и других признаков изображения.

Мелькающий свет издавна применяли как для изучения психофизических характеристик зрительной системы, так и для функциональной диагностики.

Критическая частота слияния мелькании (КЧСМ) отражает функциональную активность on - off - каналов зрительного восприятия, и характеризует состояние возбудительного и тормозного взаимодействия на всех уровнях зрительного анализатора. Однако особенности изменения КЧСМ на монохрамотические стимулы при патологических нарушениях центральной зоны сетчатки и зрительного нерва изучено недостаточно.

Настоящая работа посвящена анализу данных КЧСМ на стимулы красного и зеленого света у пациентов с начальной инволюценной макулодистрафией, частичной постравмотической атрофией зрительного нерва и у пациентов с зрительным утомлением для совершенствования диагностического метода и получения дополнительных сведений о работе on-off каналов зрительной системы. Использовали аппарат "Радуга-2" и "Радуга-3" для представления импульсного монохрамотиче-ского воздействия, длинной волны зеленого света 520 -530 nm или красного света 620-630 nm, с диаметром источника 10 мм.

С помощью аппарата "Радуга-3" проводили курс стимулирующей терапии (частота мелькающего света на 10% ниже - КЧСМ) 37 пациентов с начальной ма-