Материалы Международной конференции “Интеллектуальные САПР”
Для управления динамикой процесса можно использовать переменное время жизни элементов популяции, выраженное следующей формулой:
ЬТ, = М,пЬТ(п+1) + ц(п+1)ф1пе88(С,) - ¥ЫМт) / (¥иМах-¥НМт), где MinLT(n+1) - минимальное время жизни на (п+1)-м шаге;
П(п+1) -константа, больше или равная единице;
[йпе88(С) -целевая функция ьго элемента популяции;
¥НМт, ¥ИМах -минимальное и максимальное значение целевой функции для сравниваемых популяций.
Эволюционное моделирование с использованием динамических параметров [1] выполняется следующим образом. Формируем начальную популяцию. Создание следующей популяции выполняется в пять этапов:
♦ На основе целевой функции выбираются родители и копируются их геноти-
.
♦ Определяются с крещиваемые пары; от каждой пары получаются два потомка.
♦ Применя ется мутация, представляющая собой неполовое размножение.
♦
время жизни родителей и потомков.
♦ В новую популяцию включаются элементы с наибольшим временем жизни.
Для повышения эффективности генетического поиска исследованы алгоритмы с динамическим размером популяции:
Р(п+1) = Р(п)*(1+г(п+1))-Б(п+1),
где Р(п+1), Р(п) - размер новой и исходной популяции соответственно; г(п+1) - уровень репродукции на (п+1)-м шаге;
Б(п+1) - число удаляемых элементов родителей и потомков на (п+1)-м шаге. Проведенные исследования позволяют сделать следующий вывод, что введение динамических переменных позволяет устранить проблемы преждевременной сходимости и потери найденного лучшего решения.
ЛИТЕРАТУРА
1. Курейчик В.М. Генетические алгоритмы. Таганрог: Изд-во ТРТУ, 1998. 242с.
2. Зинченко Л.А. Алгоритмы численно-анадитического моделирования и средства программной поддержки САПР электронных устройств. Таганрог: Изд-во ТРТУ, 1999. 194с.
УДК 519.14
А.А. Целых
МЕТОДЫ ФОРМИРОВАНИЯ НЕЧЕТКИХ МОДЕЛЕЙ ВЕРИФИКАЦИИ В СИСТЕМАХ ЭЛЕКТРОННОЙ КОММЕРЦИИ
Системы электронной коммерции, предназначенные для проведения быстрых расчетов между многочисленными пользователями, формируют рынок электронных платежных систем в Интернете. Анонимный и международный характер транзакций делает актуальной проблему оценки доверия участникам электронной тор.
Процедура проверки всех без исключения платежей, практикуемая в большинстве существующих систем, является весьма дорогостоящей и длительной.
Известия ТРТУ
Тематический выпуск
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:
,, _ { ^ еСЛи & <
' 1 1 i ,
- Л, если Цп >
& - , -такой продавца;
п
Л_——, 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-