Застосовування генетичних алгоритмів

Генетичні алгоритми в різних формах застосовуються до вирішення багатьох наукових і технічних проблем. Генетичні алгоритми використовуються при створенні інших обчислювальних структур, наприклад, автоматів або мереж сортування. У машинному навчанні вони використовуються при проектуванні нейронних мереж або керуванні роботами. Вони також застосовуються при моделюванні розвитку в різних предметних областях, включаючи біологічні (екологія, імунологія і популяційна генетика) та соціальні (такі як економіка і політичні системи) системи.

Проте, можливо найбільш популярне застосування генетичних алгоритмів - оптимізація багатопараметричних функцій. Багато реальних задач можуть бути сформульовані як пошук оптимального значення, де значення - складна функція, що залежить від певних вхідних параметрів. У деяких випадках, потрібно знайти ті значення параметрів, при яких досягається найкраще точне значення функції. В інших випадках, точний оптимум не потрібний - рішенням може вважатися будь-яке значення, краще за певну задану величину. У цьому випадку, генетичні алгоритми - часто найбільш прийнятний метод для пошуку "прийнятних" значень. Сила генетичного алгоритму полягає в його здатності маніпулювати одночасно багатьма параметрами, що використовується в сотнях прикладних програм, включаючи проектування літаків, налаштування параметрів алгоритмів і пошуку стійких станів систем нелінійних диференціальних рівнянь.

Наприкінці можна підсумувати, що генетичні алгоритми є ефективною процедурою пошуку, що конкурує з іншими процедурами. Ефективність генетичних алгоритмів сильно залежить від таких деталей, як метод кодування рішень, операторів, налаштування параметрів, окремих критеріїв успіху. Теоретична робота, відбита в літературі, присвяченої генетичним алгоритмам, не дає підстав говорити про вироблення певних строгих механізмів для чітких передбачень.

Тема 11. Нечітка логіка

• Нечіткі множини
• Основні характеристики нечітких множин
• Приклади нечітких множин
• Методи побудови функцій приналежності нечітких множин
• Операції над нечіткими множинами
• Приклади
• Наочне представлення операцій над нечіткими множинами
• Властивості операцій И і З
• Нечітка і лінгвістична змінні
• Приклад
• Нечіткі висловлення і нечіткі моделі систем
• Висловлення на множині значень фіксованої лінгвістичної змінної
• Нечіткі множини в системах керування
• Загальна структура нечіткого мікроконтролера
• Нечітка логіка в Matlab
• Переваги нечітких систем
• Застосування нечітких систем

Мабуть, найбільш вражаючою властивістю людського інтелекту є здатність приймати правильні рішення в умовах неповної і нечіткої інформації. Побудова моделей наближених роздумів людини і використання їх у комп'ютерних системах представляє сьогодні одну з найважливіших проблем науки.

Основи нечіткої логіки були закладені наприкінці 60-х років у працях відомого американського математика Латфі Заде. Соціальне замовлення на дослідження подібного роду було викликано зростаючим незадоволенням експертними системами. Хвалений "штучний інтелект", що легко справлявся із задачами керування складними технічними комплексами, був безпорадним при найпростіших висловленнях повсякденного життя, типу "Якщо машиною перед тобою керує недосвідчений водій - тримайся від неї подалі". Для створення дійсно інтелектуальних систем, здатних адекватно взаємодіяти з людиною, необхідний був новий математичний апарат, що переводить невиразні і неоднозначні життєві твердження в мову чітких і формальних математичних формул.

Першим серйозним кроком у цьому напрямку з'явилася теорія нечітких множин, розроблена Заде. Його робота "Fuzzy Sets", що з'явилася в 1965 році в журналі "Information and Control", заклала основи моделювання інтелектуальної діяльності людини і з'явилася початковим поштовхом до розвитку нової математичної теорії. Він же дав і назву для нової області науки -"fuzzy logic"(fuzzy - нечіткий, розмитий, м'який).

Щоб стати класиком, треба небагато випередити свій час. Існує легенда про те, яким чином була створена теорія "нечітких множин". Один раз Заде мав довгу дискусію зі своїм другом відносно того, чия з дружин є більш привабливою. Термін "приваблива" є дуже невизначеним і в результаті дискусії вони не змогли прийти до задовільного підсумку. Це змусило Заде сформулювати концепцію, що виражає нечіткі поняття типу "приваблива" у числовій формі.

Подальші роботи професора Л.Заде і його послідовників заклали міцний фундамент нової теорії і створили передумови для впровадження методів нечіткого управління в інженерну практику.

Апарат теорії нечітких множин, продемонструвавши ряд багатообіцяючих можливостей застосування - від систем керування літальними апаратами до прогнозування підсумків виборів, виявився разом з тим надмірно складним для втілення, враховуючи наявний на той час рівень технології - і на багато років нечітка логіка зайняла своє місце в ряді інших спеціальних наукових дисциплін - десь посередині між експертними системами і нейронними мережами...

Своє друге народження теорія нечіткої логіки пережила на початку вісімдесятих років, коли відразу кілька груп дослідників (в-основному в США і Японії) всерйоз зайнялися створенням електронних систем різного застосування, що використовують нечіткі керуючі алгоритми. Теоретичні основи для цих спроб були закладені в ранніх працях Коско й інших учених.

Третій період почався з кінця 80-х років і дотепер. Цей період характеризується бумом практичного застосування теорії нечіткої логіки в різних сферах науки і техніки. До 90-го року з'явилося близько 40 патентів, що відносяться до нечіткої логіки (30 - японських). Сорок вісім японських компаній утворили спільну лабораторію LIFE (Laboratory for International Fuzzy Engineering), японський уряд фінансував 5-річну програму по нечіткій логіці, що включає 19 різних проектів - від систем оцінки глобального забруднення атмосфери і передбачення землетрусів до АСУ заводських цехів і складів. Результатом виконання цієї програми з'явилася поява цілого ряду нових масових мікрочіпів, заснованих на нечіткій логіці. Сьогодні їх можна знайти в пральних машинах і відеокамерах, цехах заводів і моторних відсіків автомобілів, у системах керування складськими роботами і бойовими вертольотами.

У США розвиток нечіткої логіки йде по шляху створення систем, що потрібні великому бізнесу і військовим. Нечітка логіка застосовується при аналізі нових ринків, біржовій грі, оцінці політичних рейтингів, виборі оптимальної цінової стратегії і т.п. З'явилися і комерційні системи масового застосування.

Зсув центра досліджень нечітких систем вбік практичних застосувань привело до постановки цілого ряду проблем, зокрема:

• нові архітектури комп'ютерів для нечітких обчислень;
• елементна база нечітких комп'ютерів і контролерів;
• інструментальні засоби розробки;
• інженерні методи розрахунку і розробки нечітких систем керування, тощо.

Нечіткі множини

Нехай E - універсальна множина, x - елемент E, а R - певна властивість. Звичайна (чітка) підмножина A універсальної множини E, елементи якої задовольняють властивості R, визначається як множина впорядкованої пари A = {mA (х)/х}, де mA(х) - характеристична функція, що приймає значення 1, якщо x задовольняє властивості R, і 0 - в іншому випадку.

Нечітка підмножина відрізняється від звичайної тім, що для елементів x з E немає однозначної відповіді "ні" відносно властивості R. У зв'язку з цим, нечітка підмножина A універсальної множини E визначається як множина впорядкованої пари A = {mA(х)/х}, де mA(х) - характеристична функція приналежності (або просто функція приналежності), що приймає значення в деякій впорядкованій множині M (наприклад, M = [0,1]).

Функція приналежності вказує ступінь (або рівень) приналежності елемента x до підмножини A. Множина M називають множиною приналежностей. Якщо M = {0,1}, тоді нечітка підмножина A може розглядатися як звичайна або чітка множина.

Розглянемо множину X всіх чисел від 0 до 10. Визначимо підмножину A множини X всіх дійсних чисел від 5 до 8.

A = [5,8]

Покажемо функцію приналежності множини A, ця функція ставить у відповідність число 1 чи 0 кожному елементу в X, у залежності від того, належить даний елемент підмножині A чи ні. Результат представлений на наступному малюнку:

Можна інтерпретувати елементи, яким поставлена у відповідність 1, як елементи, що знаходяться в множині A, а елементи, яким поставлений у відповідність 0, як елементи, що не знаходяться в множині A.

Ця концепція використовується в багатьох областях застосувань. Але можна легко знайти ситуації, в яких даній концепції буде бракувати гнучкості.

У даному прикладі опишемо множину молодих людей. Більш формально можна записати так

B = {множина молодих людей}

Оскільки, взагалі, вік починається з 0, то нижня межа цієї множини повинна бути нулем. Верхню межу визначити небагато складніше. Спочатку встановимо верхню межу, скажемо, рівну 20 рокам. Таким чином, маємо B як чітко обмежений інтервал, буквально: B=[0,20]. Виникає питання: чому хтось у свій двадцятирічний ювілей - молодий, а відразу наступного дня вже не молодий? Очевидно, це структурна проблема, і якщо пересунути верхню межу в довільну точку, то можна задати таке ж питання.

Більш природний шлях отримання множини B складається в ослабленні строгого поділу на молодих і не молодих. Зробимо це, виносячи не тільки чіткі судження Так, він належить множини молодих людей або Ні, вона не належить множини молодих людей, але і більш гнучкі формулювання ТАК, він належить до досить молодих людей або Ні, він не дуже молодий.

Розглянемо як за допомогою нечіткої множини визначити такий вираз, як він ще молодий.

В першому прикладі ми кодували всі елементи множини за допомогою 0 чи 1. Простим способом узагальнити дану концепцію є введення значення між 0 і 1. Реально можна навіть допустити нескінченне число значень між 0 і 1, в одиничному інтервалі I = [0, 1].

Інтерпретація чисел при співвідношенні всіх елементів множини стає тепер більш складною. Звичайно, знову число 1 ставиться у відповідність тому елементу, що належить множині B, а 0 означає, що елемент точно не належить множині B. Всі інші значення визначають ступінь приналежності до множини B.

Для наочності приведемо характеристичну функцію множини молодих людей, як і в першому прикладі.

Нехай E = {x1, x2, x3, x4, x5 }, M = [0,1]; A - нечітка множина, для якої

mA(x1)=0,3; mA(x2)=0; mA(x3)=1; mA(x4)=0,5; mA(x5)=0,9

Тоді A можна представити у виді:

A = {0,3/x1; 0/x2; 1/x3; 0,5/x4; 0,9/x5 } або

A = 0,3/x1 + 0/x2 + 1/x3 + 0,5/x4 + 0,9/x5,

(знак "+" є операцією не додавання, а об'єднання) або