CC BY
13Математические методы моделирования, управления и анализа данных
УДК 519.87
РАСПРЕДЕЛЕННЫЕ САМОКОНФИГУРИРУЕМЫЕ МНОГОАГЕНТНЫЕ ТЕХНОЛОГИИ ПРОЕКТИРОВАНИЯ И УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫМИ ИНФОРМАЦИОННЫМИ СЕТЯМИ*
Е. С. Семенкин1, И. А. Панфилов2, И. С. Рыжиков3
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-mail: [email protected], [email protected], [email protected]
Представлена постановка задачи, применяемые подходы и предварительные итоги проекта, выполняемого в рамках Федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы», приоритетное направление «Информационно-телекоммуникационные системы».
Ключевые слова: информационные сети, интеллектуальный интерфейс, интеллектуальные технологии проектирования и управления, самоконфигурируемые и многоагентные алгоритмы, распределенные системы, интеллектуальный анализ данных.
DISTRIBUTED SELF-CONFIGURING MULTI-AGENT TECHNOLOGIES OF INTELLIGENT INFORMATION NETWORKS DESIGN AND CONTROL*
E. S. Semenkin1, I. A. Panfilov2, I. S. Ryzhikov3
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: [email protected], [email protected], [email protected]
The research reports problem statement, approaches applied and preliminary results of the project fulfilled within Federal R&D program in priority areas of science and engineering system of Russia in 2014-2020, field of information and telecommunication systems.
Keywords: information networks, intelligent interface, intelligent technologies of design and control, self-configuring and multi-agent algorithms, data mining.
Одна из существенных проблем современного Интернета связна с тем, что представленная в www информация не поддается прямой автоматизированной компьютерной обработке (по оценкам специалистов порядка 50-60 % всех информационных ресурсов). Как следствие, задачи, решаемые в web, решаются неэффективно. В частности, существует проблема эффективного информационного поиска. Несмотря на мощные алгоритмы оценки релевантности ответов на запросы пользователя, эффективность поисковых машин остается невысокой.
Целью данного проекта является исследование и разработка комплекса научно-технических решений, направленных на создание распределенной самоконфигурируемой многоагентной технологии проектирования и управления интеллектуальными информационными сетями для повышения эффективности и обоснованности решения задач обеспечения информационных потребностей пользователей глобальной сети Интернет.
Информационные потребности пользователя зачастую являются уникальными и могут приводить к различным формальным постановкам задач, которые могут решаться в различной информационной среде, использовать различные данные (форматы, размер-
ность) и т. д. Следовательно, требуется проектирование эффективных интеллектуальных информационных технологий анализа данных «под задачу». Спроектированная технология, в свою очередь, должна иметь возможность самонастраиваться в процессе решения задачи.
В данном исследовании задачи проектирования и настройки интеллектуальных информационных технологий рассматриваются как оптимизационные, а для решения применяются универсальные самоконфигурируемые бионические алгоритмы. Для повышения логической надежности решения задачи используются коллективы моделей и алгоритмов. В свою очередь, алгоритм согласования индивидуальных решений в коллективе также проектируется каждый раз «под задачу», поскольку традиционные алгоритмы голосования и усреднения малоэффективны в условиях анализа плохо структурированной, гетерогенной информации.
В докладе обсуждаются итоги выполнения проекта в 2015 году и приводятся как научные результаты, так и формальные показатели качества выполненных
* Работа выполнена в рамках и при финансовой поддержке проекта ММЕП57414Х0037.
Решетнеескцие чтения. 2015
исследований, в том числе опубликованные научные работы [1-14].
References
1. Akhmedova Sh. and Semenkin E. Co-operation of Biology-Related Algorithms for Constrained Multi-objective Optimization // Advances in Swarm and Computational Intelligence, LNCS 9140. 2015. Pp. 487-494.
2. Akhmedova Sh., Semenkin E. Co-Operation of Biology Related Algorithms for Multi-Objective Binary Optimization // Proceedings of 4th IIAI Intern. Congress on Advanced Applied Informatics (IIAI AAI 2015) (July 12-16 2015, Okayama, Japan). 2015. Pp. 580-585.
3. Akhmedova Sh., Semenkin E. Co-Operation of Biology Related Algorithms Meta-Heuristic in ANN-Based Classifiers Design. Proceedings of the World Congress on Computational Intelligence (WCCI'14). 2014. Pp. 867-873.
4. Akhmedova Sh., Semenkin E. Data Mining Tools Design with Co-operation of Biology Related Algorithms // Advances in Swarm Intelligence, LNCS 8794. 2014. Pp. 499-506.
5. Brester Ch., Semenkin E. Cooperative Multi-objective Genetic Algorithm with Parallel Implementation // Advances in Swarm and Computational Intelligence, LNCS 9140. 2015. Pp. 471-478.
6. Brester C., Semenkin E., Sidorov M., Kovalev I., Zelenkov P. Evolutionary feature selection for emotion recognition in multilingual speech analysis // Proceedings of the IEEE Congress on Evolutionary Computation (CEC2015). Sendai, 2015. Pp. 2406-2411.
7. Semenkin E., Stanovov V. Fuzzy rule bases automated design with self-configuring evolutionary algorithm // Proceedings of the 11th Intern. Conf. on Informatics in Control, Automation and Robotics (ICINCO'2014, Austria). 2014. Pp. 318-323.
8. Semenkina M., Semenkin E. Memetic Self-Configuring Genetic Programming for Fuzzy Classifier
Ensemble Design // Advances in Swarm and Computational Intelligence, LNCS 9140. 2015. Pp. 285293.
9. Semenkina M., Semenkin E. Memetic Self-Configuring Genetic Programming for Solving Machine Learning Problems // Proceedings of 4th IIAI International Congress on Advanced Applied Informatics (IIAI AAI 2015) (July 12-16 2015. Okayama, Japan). 2015. Pp. 599-604.
10. Semenkina M., Semenkin E. Hybrid Self-configuring Evolutionary Algorithm for Automated Design of Fuzzy Classifier // Advances in Swarm Intelligence, LNCS 8794. 2014. Pp. 310-317.
11. Stanovov V., Semenkin E., Semenkina O. Self-configuring hybrid evolutionary algorithm for fuzzy classification with active learning // IEEE Congress on Evolutionary Computation (CEC'2015, Japan). 2015. Pp. 1823-1830.
12. Stanovov V., Semenkin E., Semenkina O. Instance selection approach for self-configuring evolutionary fuzzy rule based classification systems // Proceedings of 4th IIAI International Congress on Advanced Applied Informatics (IIAI AAI 2015) (July 1216 2015. Okayama, Japan). 2015. Pp. 574-579.
13. Stanovov V., Semenkin E., Semenkina O. Instance Selection Approach for Self-configuring Hybrid Fuzzy Evolutionary Algorithm for Imbalanced Datasets // Advances in Swarm and Computational Intelligence, LNCS 9140. 2015. Pp. 451-459.
14. Stanovov V., Semenkin E. Hybrid self-configuring evolutionary algorithm for automated design of fuzzy logic rule base // 11th Intern. Conf. on Fuzzy Systems and Knowledge Discovery (FSKD'2014. China). Pp. 317-321.
© Семенкин Е. С., Панфилов И. А., Рыжиков И. С., 2015
УДК 519.87
АЛГОРИТМ УМНЫХ КАПЕЛЬ РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ*
О. Е. Семенкина, Е. А. Попов
Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31,
Е-таП: [email protected], [email protected]
Рассматривается алгоритм ЛПМтег и вводится новый метод, основанный на алгоритме умных капель решения задачи классификации, что потенциально может применяться для обработки спутниковых изображений, поиска необходимых ресурсов при освоении космоса или прогнозирования аварийных ситуаций.
Ключевые слова: алгоритм умных капель, муравьиный алгоритм, классификация.
* Работа выполнена в рамках проекта RFMEFI57414X0037.
