Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ

Волхонский А.Н. 1 Макаров Д.С. 1 Булгакова Е.И. 1
1 СамГТУ
При разработке технологических процессов и настройки систем их автоматизации требуется учитывать большое количество параметров. Автоматизированные системы состоят из большого количества взаимосвязанных подсистем, каждая из которых выполняют собственную функцию. Эволюционное моделирование - направление в искусственном интеллекте, в основе которого лежат принципы и понятийный аппарат, заимствованные из эволюционной биологии и популяционной генетики и объединяющие компьютерные методы (генетические алгоритмы, генетическое программирование, эволюционное программирование и эволюционные стратегии) моделирования эволюционных процессов в искусственных системах. Системные программы необходимы для обеспечения работы самого компьютера. Их работа часто остается незаметной для пользователя, однако они распределяют ресурсы компьютера, управляют работой его устройств, прохождением других программ и т.д. Системные программы компьютеров представлены, как правило, операционными системами. К этой же группе часто относят различные системы программирования, тестирующие и обслуживающие программные средства. В данной статье будут рассмотрены основные понятия, связанные с эволюционным моделированием, выявлены предъявляемые к ним требования, а также детально рассмотрены основные этапы декомпозиции на подсистемы.
моделирование
декомпозиция
экономическая система
количество информации
1. Эволюционное моделирование и генетические алгоритмы [Электронный ресурс]// Интуит, национальный открытый университет// URL: https://intuit.ru/studies/courses/83/83/lecture/20490
2. Основы принятия решений и ситуационного моделирования [Электронный ресурс]// Интуит, национальный открытый университет // URL: https://intuit.ru/studies/courses/83/83/lecture/20492
3. Применение эволюционного моделирования [Электронный ресурс]// Интуит, национальный открытый университет// URL: http://ermak.cs.nstu.ru/neurotech/html/metodmat/ism2012/Lec_5_2.pdf
4. Области искусственного интеллекта [Электронный ресурс]// Интуит, национальный открытый университет// URL: https://dic.academic.ru/dic.nsf/ruwiki/1412629

Эволюционное моделирование служит для единого описания социально-экономических систем. При данном типе моделирования создается модель эволюции системы или выполняется поиск допустимых ее состояний, отлеживается множество траекторий.

При исследовании эволюции системы необходима ее декомпозиция на подсистемы с целью обеспечения:

1. эффективного взаимодействия с окружением;

2. оптимального обмена определяющими материальными, энергетическими, информационными, организационными ресурсами с подсистемами;

3. эволюционируемости системы в условиях динамической смены и переупорядочивания целей, структурной активности и сложности системы;

4. управляемости системы, идентификации управляющей подсистемы и эффективных связей с подсистемами системы, обратной связи.

Важными для задач моделирования являются максимальные, минимальные и оптимальные значения активности i-й подсистемы, а также аналогичные значения для всей системы.

Если дана открытая экономическая система (процесс), а Н0, Н1 –энтропия системы в начальном и конечном состояниях процесса, то мера информации определяется как разность энтропии:

\Delta Н=Н_{0}-Н_{1}.

Данная величина показывает количество информации, необходимой для перехода от одного уровня организации системы к другой.

Активностиподсистем прямо или опосредованно взаимодействуют с помощью системнойактивностиs(x), например, по простой схеме вида:

https://intuit.ru/EDI/07_01_17_9/1483741276-5696/tutorial/174/objects/12/files/form12-1.gif

Функции должны отражать эволюционируемость системы, в частности, удовлетворять условиям:

1. периодичности, цикличности

2. затухания при снижении активности,

3. равновесности и стационарности.

В таких функциях важен параметр, отражающий степень саморегуляции, адаптации системы. Как правило, его нужно идентифицировать.

Приэволюционном моделированиисоциально-экономических систем полезно использовать и классические математические модели, и неклассические, в частности, учитывающие пространственную структуру системы (например, клеточные автоматы и фракталы), структуру и иерархию подсистем (например, графы и структуры данных),опыти интуицию (например, эвристические, экспертные процедуры).

Принцип эволюционного моделированияпредполагает необходимость и эффективность использования методов и технологии искусственного интеллекта, в частности, экспертных систем.

Основная трудность при построении и использовании эволюционных моделей: в Природе и Познании, в которых эти модели и цели явно или неявно существуют, результаты функционирования системы и достижения цели прослеживаемы часто лишь по прошествии длительного периода времени, хотя в Обществе и Экономике Человек стремится получить результаты в соответствии с целью явно и быстро, с минимальными затратами Ресурсов.

Адекватным средством реализации процедур эволюционного моделированияявляются генетические алгоритмы.

Генетический алгоритм - это алгоритм, основанный на имитации генетических процедур развития популяции в соответствии с принципами эволюционной динамики, приведенными выше. Часто используется для решения задач оптимизации (многокритериальной), поиска, управления.

Данные алгоритмы адаптивны, развивают решения, развиваются сами. Особенность этих алгоритмов - их успешное использование при решении NP-сложных проблем0.

Хотя генетические алгоритмыи могут быть использованы для решения задач, которые, видимо, нельзя решать другими методами, они не гарантируют нахождение оптимального решения. Здесь более уместны критерии типа "достаточно хорошо и достаточно быстро". Главное их преимущество в том, что они позволяют решать сложные задачи, для которых не разработаны пока устойчивые и приемлемые методы, особенно на этапе формализации и структурирования системы, в когнитивных системах. Генетические алгоритмыэффективны в комбинации с другими классическими алгоритмами, эвристическими процедурами, а также в тех случаях, когда о множестве решений есть некоторая дополнительная информация, позволяющая настраивать параметры модели, корректировать критерии отбора, эволюции.

Принятие решения и целеполагающая ресурсоориентированная деятельность человека в социальной, экономической, политической, идеологической, военной сферах тесно связаны. В них крайне нежелательны ошибки, которые могут привести к пагубным последствиям. Но из-за ограниченных информационных возможностей человека ошибки всегда возможны. Поэтому есть настоятельная необходимость применения научного подхода к обоснованию и принятию решений.

При прогнозировании и планировании принимаются решения, связанные с выбором методов и средств, организацией работы, оценкой достоверности информации, выбором наиболее достоверного варианта прогноза и наилучшего варианта плана. Таким образом,функцияпринятия решенийявляется с методологической и технологической точек зрения более общей, чем другие функции управления. Для лица, принимающего решение,принятие решенийявляется основной задачей, которую он обязан исполнять в процессе управления. Поэтомузнаниеметодов, технологий и средств решений этой задачи является необходимым элементом квалификации руководителя, базой для дальнейшего управления.

Принятие решения- это выбор одного измножестварассматриваемых допустимых вариантов. Обычно их число конечно, а каждый вариант выбора определяет некоторый результат, допускающий количественную оценку. Такой результат обычно называетсяполезностью решения. Таким образом, ищется вариант с наибольшим значениемполезности решения.

В зависимости откритерия эффективности, стратегий и факторов управления выбирается тот или иной метод (алгоритм) оптимизации.

Основными являются следующие классы методов:

1. методы линейного идинамического программирования(принятия решенияоб оптимальном распределении ресурсов);

2. методы теории массового обслуживания (принятие решенияв системе со случайным характером поступления и обслуживания заявок на ресурсы);

3. методы имитационного моделирования (принятие решенияпутем проигрывания различных ситуаций, анализа откликов системы на различные наборы задаваемых ресурсов);

4. методытеории игр(принятие решенийс помощью определения стратегии в тех или иных состязательных задачах);

5. методы теории расписаний (принятие решенийс помощью разработки календарных расписаний выполнения работ и использования ресурсов);

6. методы сетевого планирования и управления (принятие решенийс помощью оценки и перераспределения ресурсов при выполнении проектов, изображаемыхсетевыми графиками);

7. методы многокритериальной (векторной) оптимизации (принятие решенийпри условии существования многих критериев оптимальности решения)

Выбор решения - здесьЛПРдолжно осмыслить полученную на этапах постановки задачи и формирования решений информацию и использовать ее для обоснования выбора. При этом используется принцип последовательного уменьшения неопределенности, который заключается в последовательном сужениимножестварешений.

На первом этапе исходное множество альтернативных решенийYсужается домножестваприемлемых или допустимых решений:

Y_{1}\subseteq Y

На втором этапе множество допустимых решенийY1сужается домножестваэффективных решений:

Y_{2}\subseteq Y_{1}

На третьем этапе осуществляется выбор единственного решения:

Y^*\in Y_{2}


Библиографическая ссылка

Волхонский А.Н., Макаров Д.С., Булгакова Е.И. ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ // Международный студенческий научный вестник. – 2022. – № 6. ;
URL: https://eduherald.ru/ru/article/view?id=21032 (дата обращения: 25.07.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674