РЕШЕНИЕ ЗАДАЧ ПОИСКА И ОПТИМИЗАЦИИ ПРОЕКТНЫХ РЕШЕНИЙ НА ОСНОВЕ ГИБРИДНОГО ПОДХОДА

  • Л. А. Гладков Южный Федеральный Университет
  • Н. В. Гладкова Южный Федеральный Университет
  • С. Н. Лейба Южный Федеральный Университет
Ключевые слова: Оптимизационные задачи проектирования, многоагентная система, эволюционное проектирование, нечеткое управление, параллельные вычисления, нечеткий логический контроллер

Аннотация

Рассматриваются интегрированные подходы к решению оптимизационных задач
автоматизированного проектирования схем цифровой электронно-вычислительной аппа-
ратуры. Подчеркнута актуальность и важность разработки новых эффективных мето-
дов решения подобных задач. Отмечено, что важным направлением развития методов
оптимизации является разработка гибридных методов и подходов, сочетающих достоин-
ства различных методов вычислительного интеллекта. Высказано предположение, что
гибридизация позволяет добиться «синергетического эффекта», когда достоинства от-
дельных методов взаимно усиливаются. Приведено определение смешанных искусственных
систем и условная классификация гибридных систем. Рассмотрены взаимосвязи и возмож-
ности взаимного использования теории эволюционного проектирования и многоагентных
систем. Предложен гибридный подход к решению оптимизационных задач на основе соче-
тания эволюционных методов поиска, методов нечеткого управления и возможностей
параллельной организации вычислительного процесса. Предложен модифицированный опе-
ратор миграции для обмена информацией между популяциями решений в процессе выпол-
нения параллельных вычислений. Разработана структура параллельного гибридного алго-
ритма. Для организации параллельного вычислительного процесса предложено использо-
вать островную и буферную модели параллельного генетического алгоритма. Для повыше-
ния качества получаемых результатов в контур эволюции экспертной информации вклю-
чен нечёткий логический контроллер, регулирующий значения параметров процесса эволю-
ции. Представлена структурная схема, разработанного гибридного алгоритма. Разрабо-
тано программное приложение, приведено описание архитектуры программного приложе-
ния. Рассмотрены особенности программной реализации предложенного гибридного алго-
ритма. Представлено краткое описание проведенных вычислительных экспериментов,
подтверждающих эффективность предложенного метода.

Литература

1. Рассел С., Норвиг П. Искусственный интеллект: Современный подход. – М.: Издатель-
ский дом «Вильямс», 2006.
2. Luger G.F. Artificial Intelligence. Structures and Strategies for Complex Problem Solving. –
6th ed. Addison Wesley, Boston MA, 2009.
3. Кныш Д.С., Курейчик В.М. Параллельные генетические алгоритмы: Проблемы, обзор и
состояние // Известия РАН. Теория и системы управления. – 2010. – № 4. – C. 72-82.
4. Хакен Г. Синергетика. – М.: Мир, 1980. – 405 с.
5. Gladkov L.A., Gladkova N.V., Legebokov A.A. Organization of Knowledge Management Based
on Hybrid Intelligent Methods // Software Engineering in Intelligent Systems. Proceedings of the
4th Computer Science On-line Conference 2015 (CSOC 2015). Vol 3: Software Engineering in
Intelligent Systems. – Springer International Publishing, Switzerland, 2015. – P. 107-113.
6. Хакен Г. Тайны природы. Синергетика: учение о взаимодействии. – Ижевск: ИКИ, 2003.
– 320 с.
7. Гладков Л.А., Курейчик В.М., Курейчик В.В., Сороколетов П.В. Биоинспирированные
методы в оптимизации. – М.: Физматлит, 2009. – 384 с.
8. Прангишвили И.В. Системный подход и общесистемные закономерности. – М.:
СИНТЕГ, 2000. – 528 с.
9. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. – М.: Горячая линия –
Телеком, 2007. – 284 с.
10. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. – М.: Финансы и стати-
стика, 2004. – 320 с.
11. Herrera F., Lozano M. Fuzzy Adaptive Genetic Algorithms: design, taxonomy, and future
directions // Soft Computing 7. – Springer-Verlag, 2003. – P. 545-562.
12. Gladkov L.A., Gladkova N.V., Gromov S.A. Hybrid Fuzzy Algorithm for Solving Operational
Production Planning Problems // Advances in Intelligent Systems and Computing. Vol.573.
Proceedings of the 6th Computer Science On-line Conference 2017 (CSOC 2017). Vol. 1: Artificial
Intelligence Trends in Intelligent Systems. – Springer International Publishing, Switzerland,
2017. – P. 444-456.
13. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия,
психология, информатика. – М.: Эдиториал УРСС, 2002. – 352 с.
14. Назаров В.И. Эволюция не по Дарвину: смена эволюционной модели. – М.: КомКнига,
2005. – 520 c.
15. Holland J.H. Adaptation in Natural and Artificial Systems. – Ann Arbor: The University of
Michigan Press, 1975.
16. Alba E., Tomassini M. Parallelism and evolutionary algorithms // IEEE T. Evolut. Comput.
– 2002. – Vol. 6. – P. 443-461
17. Zhongyang X., Zhang Y., Zhang L., Niu S. A parallel classification algorithm based on hybrid
genetic algorithm // Proc. of the 6th World Congress on Intelligent Control and Automation,
Dalian, China. 2006. – P. 3237-3240
18. Гладков Л.А. Решение задач поиска и оптимизации решений на основе нечетких генети-
ческих алгоритмов и многоагентных подходов // Известия ТРТУ. – 2006. – № 8 (63).
– C. 83-88.
19. Гладков Л.А. О некоторых подходах к построению гибридных интеллектуальных систем
для решения графовых задач // Новости искусственного интеллекта. – 2000. – № 3.
– С. 71-90.
20. Гладков Л.А., Лейба С.Н., Тарасов В.Б. Разработка и программная реализация гибридно-
го алгоритма решения оптимизационных задач автоматизированного проектирования //
Программные продукты и системы. – 2018. – Т. 31, № 3. – С. 569-580.
Опубликован
2019-11-13
Выпуск
Раздел
Раздел III. Автоматизация проектирования