На головну

гібридні системи

  1. CAD-системи
  2. D.3. Системи економетричних рівнянь
  3. Grid-системи
  4. I'a-чштіе школи і становлення шкільної системи
  5. II. Базові принципи побудови та основні завдання загальнонаціональної системи виявлення та розвитку молодих талантів
  6. II. МОДЕЛЮВАННЯ СИСТЕМИ УПРАВЛІННЯ
  7. II.2. Локальні геосистеми - морфологічні одиниці ландшафту

Весь цикл розробки і експлуатації будь-якої складної системи носить ітеративний характер (рис. 3.12). Виконання будь-якої ітерації, як показано на рис. 3.12, проводиться з використанням моделей складної системи. Найбільш просунутим і потужним апаратом побудови відповідних моделей для розглянутих систем є імітаційне моделювання. воно забезпечує глибоке уявлення об'єкта, що моделюється, дає можливість аналізу процесів на будь-якому часовому інтервалі, дозволяє враховувати випадкові і невизначені чинники, оцінювати як технічні, так економічні показники функціонування системи.

Мал. 3.12. Цикл розробки складної системи

Складна система являє собою систему з еволюцією і характеризується великим числом гетерогенних підсистем з високим ступенем невизначеності. Отже, рішення задач аналізу, управління та інших в таких системах не може бути здійснено в рамках використання будь-якого єдиного підходу для всіх підсистем.

Для прийняття рішень зазвичай використовують складне поєднання математичних, статистичних, обчислювальних, евристичних, експериментальних методів і методів інженерних знань (найчастіше експертних систем). Комплексне використання зазначених методів і засобів забезпечує користувача підтримкою при прийнятті рішень. При цьому має місце пріоритет розв'язуваної задачі над використовуваними методами.

Існування подібної ситуації, коли необхідно спільно використовувати імітацію і різні методи прийняття рішень, привело до появи так званих гібридних систем. Під гібридною системою будемо розуміти систему, що складається з декількох систем різного типу, функціонування яких об'єднано єдиною метою (рис. 3.13).

Мал. 3.13. Найпростіша гібридна система

Найпростішою гібридною системою є система, яка об'єднує в собі імітаційну модель і блок оптимізації. Блок оптимізації реалізує один з алгоритмів пошукової оптимізації (наприклад, найпростіший генетичний алгоритм - ПГА), а імітаційна модель служить для обчислення значень критерію оптимізації (функції придатності) для обираних варіантів рішення.

Прогін імітаційної моделі забезпечує, в кращому випадку, отримання результатів в одній точці простору пошуку рішень. Тому потрібна реалізація серії експериментів на імітаційній моделі у великій області пошуку, цілеспрямованість яких забезпечується в традиційних системах моделювання фахівцем -разработчик.

Використання генетичних алгоритмів для розв'язання оптимізаційних задач при аналізі, управлінні або синтезі дійсно складних систем можливо лише в тому випадку, якщо є спосіб визначення функції придатності особини з досить хорошою точністю. Тобто, необхідно мати можливість розробляти моделі складних систем з високим ступенем адекватності об'єктів і процесів реального світу.

Розглянемо гібридні системи, що використовують спільно генетичний алгоритм і імітацію при вирішенні задач різного типу (рис. 3.14). Це, перш за все, відноситься до завдань організаційного управління, прийняття рішень в реальному масштабі часу, оцінки стратегій управління, прогнозування.

Мал. 3.14. Найпростіша гібридна система з генетичним алгоритмом і імітаційної моделлю

Мета блоку оптимізації гібридної системи - поліпшення рішення за допомогою вибору значень керованих змінних. Для цих цілей використовується ПГА. Генетичний алгоритм може бути реалізований на будь-якому універсальною мовою, наприклад, С ++, Паскаль і ін. Однак гібридна система, побудована на єдиному програмному забезпеченні, з багатьох причин краще, ніж система, що об'єднує блоки, написані на різних програмних засобах.

Існуючі методи і мови імітаційного моделювання часто виявляються неефективними через свою низьку гнучкості і складності моделювання систем прийняття рішень і управління, особливо якщо система управління включає в себе людину оператора, що приймає рішення. використання з'явилися на ринку програмних продуктів інтелектуальних систем імітаційного моделювання знімає частину цих труднощів і надає нові можливості при використанні імітації в гібридних системах для вирішення прикладних системних задач.

Гібридна система реалізує функції не тільки інтелектуального інтерфейсу, але і інтелектуального обчислювача. Склад типовий гібридної системи, що включає в себе зазначені складові, наведено на рис. 3.15.

Блок розрахунку Простий генетичний алгоритм

критерію оптимальності

Мал. 3.15. Структура типової гібридної схеми

У даній схемі імітаційна модель служить для складання плану і використовує для цього набір евристичних правил для визначення пріоритету того чи іншого замовлення включається в план робіт.

Блок оптимізації забезпечує підбір пріоритетних правил для складання планів робіт з найкращими показниками. Необхідний вибір кращих правил для поточної ситуації, а також вибір оптимальних значень їх параметрів.

Мета експертної системи в складі гібридної системи - поліпшення показників ПГА, перш за все, підвищення збіжності процесу оптимізації за допомогою включення в процес деяких уявлень (знань) людини-оператора про перспективність тієї чи іншої стратегії пошуку. В цьому випадку експертна система виконує функцію «селекціонера» цілеспрямовано змінюючи параметри ПГА для скорочення часу обчислення.

Експертна система здійснює спрямований вибір таких параметрів ПГА, як: розмір популяції, ймовірно схрещування і мутації. Крім того, вона застосовує деякі правила для збереження особин з високим значенням функції придатності з покоління в покоління в ході з відтворення і т.п.

Експертна система, таким чином, являє область комбінацій знань про генетичні алгоритми, обчислювальної математики, штучний інтелект і знань експерта. Прикладна область для експертної системи добре не визначена і простір пошуку погано структуроване і тому експертна система працює поряд з ПГА на основі поточних даних щодо популяції та поточного стану імітатора.




Двоточковий оператор кросинговеру | Гомеостатичні системи управління

Критерій минимакса жалю (минимаксного ризику) (критерії Севіджа) | ЕВОЛЮЦІОННОНОЕ МОДЕЛЮВАННЯ | Еволюція природних і штучних систем | еволюція Дарвіна | Еволюції Ламарка, де Фріза, Поппера і синтетична теорія еволюції | Еволюція складних систем | Визначення і поняття генетичних алгоритмів | Структура генетичних алгоритмів | генетичні оператори | Простий (одноточковий) оператор кросинговеру |

© um.co.ua - учбові матеріали та реферати