Для авторов
Найти
Результаты поиска
Найдено результатов: 5.
-
МНОГОСТАДИЙНЫЙ МУРАВЬИНЫЙ АЛГОРИТМ ОДНОМЕРНОЙ УПАКОВКИ НА БАЗЕ ЭФФЕКТИВНЫХ МЕТОДОВ КОДИРОВАНИЯ РЕШЕНИЙ, И ДВУХУРОВНЕВОЙ ЭВОЛЮЦИОННОЙ ПАМЯТИ
М.А. Ганжур , Б.К. Лебедев , О.Б. Лебедев21-372025-10-01Аннотация ▼Целью работы является разработка и исследование методов биоинспирированного поиска для решения задач одномерной упаковки в одинаковые контейнеры на базе эффективных алгоритмов кодирования и декодирования решений, композитного критерия и двухуровневой структуры эволюционной памяти. В работе предложена структура упорядоченного кода упаковки одномерных элементов в одинаковые контейнеры главное достоинство которого заключается в том, что одному решению упаковки соответствует один код и наоборот. Поисковая процедура базируется на модифицированной метаэвристике муравьиного алгоритма. На каждой итерации алгоритм одномерной упаковки имеет многостадийную структуру. Стадии выполняются последовательно одна за другой, начиная с первой. Каждая стадия Сk включает процедуры, выполняемые агентом zk. Число стадий равно числу агентов в популяции плюс заключительная стадия итерации. Основная задача, решаемая конструктивным алгоритмом на стадии Сk, заключается в построении кода Rk упаковки множества элементов X в одинаковые контейнеры. Стадия делится на периоды по числу формируемых агентом zk списков Xjк. Период делится на этапы. На каждом периоде последовательно по этапам решаются следующие задачи: агент zk конструктивным алгоритмом формирует набор Rk упорядоченных списков Xjк одномерной упаковки в одинаковые контейнеры; рассчитываются оценки fjk упаковки каждого контейнера Oj элементами списка <Xjк>; рассчитывается количество λjk феромона, пропорциональное оценке fjk; рассчитывается оценка Wk=∑i(fjk) одномерной упаковки множества элементов X в H одинаковых контейнеров; производится отложение феромона на ребрах графа G, соответствующих списку Xjк в ячейки накопительной матрицы памяти E второго уровня. После формирования всеми агентами zk популяции Z упорядоченных списков Rk, накопленный феромон добавляется в основную матрицу памяти Φ первого уровня. Для каждого Rk рассчитывается общий показатель Fk качества упаковки множества элементов X. Заключительная операция на итерации ‒ испарение феромона на ребрах графа G и фиксация zk c лучшим Fk. Проведены экспериментальные исследования заключающиеся в выяснении качества работы метода на тестовых наборах большой размерности. Для сравнения разработанного алгоритма с известными методами и с приближенными алгоритмами авторами было выбрано несколько групп бенчмарок из различных источников
-
БИОИНСПИРИРОВАННЫЙ ПОИСК В ПОЛНОМ ГРАФЕ СОВЕРШЕННОГО ПАРОСОЧЕТАНИЯ МАКСИМАЛЬНОЙ МОЩНОСТИ
Б. К. Лебедев , О.Б. Лебедев , М. А. Ганжур , М. И. Бесхмельнов2025-01-30Аннотация ▼Разработана реконфигурируемая архитектура гибридной многоагентной системы поиска
решений, базирующиеся на парадигмах роевых алгоритмов. Реконфигурируемая архитектура пу-
тем настройки позволяет реализовать следующие методы гибридизации: высокоуровневую и низ-
коуровневую гибридизацию вложением, типа препроцессор/постпроцессор, ко-алгоритмическую
на базе одного или нескольких типов алгоритмов. Предложена методология синтеза совершенного
паросочетания минимального веса в полном графе, основанная на базовых принципах гибридизации
поисковых. эволюционных процедур. В работе агентами роя являются трансформирующиеся хро-
мосомы, являющиеся генотипами решения. В качестве кода решения используется упорядоченный
список множества вершин графа. Разработана структура упорядоченного кода паросочетания
главное достоинство которого заключается в том, что одному решению (паросочетанию) соот-
ветствует один код и наоборот. Определены свойства упорядоченного кода и разработаны алго-
ритмы кодирования и декодирования. Работа гибридной системы начинается с генерации роем
пчел случайным образом произвольного множества отличающихся друг от друга решений в виде
исходного множества хромосом. Ключевой операцией пчелиного алгоритма является исследование
перспективных решений и их окрестностей в пространстве поиска. Разработан метод формиро-
вания окрестностей решений с регулируемой степенью подобия и близости между ними. На по-
следующих этапах работы многоагентной системы выполняется поиск решений процедурами,
построенными на основе гибридизации роевого и муравьиного алгоритмов. Отличительной осо-
бенностью гибридизации является сохранение автономии гибридизируемых алгоритмов. Отме-
тим, что для представления решений в алгоритмах используется единая структура данных, что
упрощает стыковку разработанных процедур. Предлагается подход к построению модифициро-
ванной парадигмы роя трансформирующихся хромосом. Поиск решений выполняющая в аффинном
пространстве. В процессе поиска осуществляется перманентные трансформации (переход) хро-
мосом в состояния с лучшим значением целевой функции решения (градиентная стратегия). Про-
цесс поиска решений итерационный. На каждой итерации осуществляется трансформация (пере-
ход) хромосом в состояния с лучшими значениями целевой функции решения. Целью трансформа-
ции хромосомы, тяготеющей к лучшей хромосоме, в новое состояние является минимизация сте-
пени различия, путем изменения взаимного расположения элементов в упорядоченном списке, что
соответствует увеличению веса аффинной связи. Обновленные после трансформации хромосомы
являются, в свою очередь, базовыми точками в последующих трансформациях. В результате экс-
периментов было установлено, что показатели качества разработанных алгоритмов имеют бо-
лее высокие значения чем в работах, представленных в литературе -
ЭВОЛЮЦИОННОЕ ПРОЕКТИРОВАНИЕ МНОГОАГЕНТНЫХ СИСТЕМ
Л.А. Гладков , Н. В. Гладкова2021-11-14Аннотация ▼Статья посвящена обсуждению проблем построения эволюционирующих мультиа-
гентных систем. Рассмотрены возможные методологии проектирования мультиагентных
систем. Отмечена актуальность разработки новых принципов построения мультиагентных
систем на основе методов эволюционного проектирования. Выделены соответствия между
терминами теории агентов и теории эволюции. Отмечена перспективность использования
гибридных подходов к проектированию мультиагентных систем. Рассмотрены принципы
построения и возможности использования нечетких генетических алгоритмов при проекти-
ровании мультиагентных систем. Отмечено, что основные модели методы теории эволюци-
онного моделирования, могут успешно применяться при проектировании мультиагентных
систем. Предложена эволюционирующей многоагентной системы. Описана процедура фор-
мирования новых агентов в процессе эволюции. Определен набор параметров, позволяющих
оценить состояние каждого агента в популяции. Для оценки текущего состояния агента и
возможностей его взаимодействия с другими агентами предложено использовать ресурсные
параметры. Приведено определения агентства и семьи, минимальных элементов эволюцио-
нирующй мультиагентной системы. Предложена эволюционная стратегия построения мо-
дели эволюционирующей мультиагентной системы. Описаны процедуры выполнения ориги-
нальных эволюционных операторов для обработки популяции агентов. На основе предложен-
ной методики была разработана программная система поддержки эволюционного проекти-
рования агентов и мультиагентных систем. В настоящее время проводятся вычислительные
эксперименты для исследования предложенной модели проектирования многоагентных сис-
тем, оценки эффективности различных операторов и схем формирования агентов-потомков,
необходимые условия выживания. -
СРАВНЕНИЕ МЕТОДОЛОГИЙ ПРОЕКТИРОВАНИЯ СВЕРХУ–ВНИЗ И СНИЗУ–ВВЕРХ ПРИ РАЗРАБОТКЕ СИСТЕМ ADAS
Д. Е. Чикрин , А. А. Егорчев2021-07-18Аннотация ▼Выбор типа основной методологии проектирования оказывает значительное влияние
на качество итогового продукта, в том числе и на его способность к дальнейшему разви-
тию и масштабированию. В статье рассматриваются особенности стандартных методологий проектирования снизу–вверх и сверху–вниз применительно к системам ADAS (сис-
темам автоматизированного (беспилотного) управления автомобилем), показывается,
что использование "чистых" методологий неприемлемо при проектировании указанных
систем и требуется создание новой совмещённой методологии проектирования. Для этого
рассмотрены особенности и ограничения подхода сверху-вниз: ориентация подхода на
максимальное соответствие разрабатываемой системы предъявляемым к ней требовани-
ям; методологическая строгость подхода; трудность тестирования системы в процессе
разработки; чувствительность к изменениям требований к разрабатываемой систему.
Рассмотрены особенности и ограничения подхода снизу-вверх: возможность итеративной
разработки с получением промежуточного результата; возможность использования
стандартных компонентов; масштабируемость и гибкость системы разрабатываемой
системы; возможность несоответствия функций подсистем требованиям, которое мо-
жет проявляться только на поздних этапах разработки; возможная несогласованность
при разработке отдельных подсистем и элементов. Рассмотрены особенности и факторы
разработки систем ADAS: повышенные требования по надёжности и безопасности рабо-
ты системы; разнородность используемых компонентов. Выделены два этапа развития
ADAS-систем: этап интенсивной разработки и этап экстенсивной эволюции. Рассмотре-
на применимость той или иной методологии относительно различных аспектов разработ-
ки и эволюции систем ADAS, таких как: определение требований; композиционный мор-
физм; масштабируемость и расширяемость; стабильность и устойчивость; стоимость и
время разработки; способность к развитию. В результате сравнения методологий дела-
ется вывод о том, что существуют аспекты разработки и развития технической систе-
мы, в которых наблюдается значительное преимущество одной или другой из методоло-
гий. В должной степени эволюция системы может быть обеспечена только при использо-
вании подхода снизу–вверх. Однако, для сложных систем критически важным является
определение изначальных требований к системе, что может быть достигнуто только с
применением методологии сверху–вниз. -
ЭВОЛЮЦИОНИРУЮЩИЕ МНОГОАГЕНТНЫЕ СИСТЕМЫ И ЭВОЛЮЦИОННОЕ ПРОЕКТИРОВАНИЕ
Л. А. Гладков , Н.В. Гладкова2020-11-22Аннотация ▼Статья посвящена обсуждению проблем построения эволюционирующих мультиа-
гентных систем на основе использования принципов эволюционного проектирования и гиб-
ридных моделей. Рассмотрено понятие агента. Представлен набор базовых свойств аген-
та. Рассмотрены аналогии между многоагентными и эволюционными системами. Рас-
смотрены принципы построения и организации мультиагентных систем. Отмечены сход-
ства между основными определениями теории агентов и теории эволюции. Отмечено, что
основные модели эволюции и эволюционные алгоритмы, могут быть с успехом использова-
ны при проектировании многоагентных систем. Проведен анализ существующих методов
и методологий проектирования агентов и многоагентных систем. Отмечены существую-
щие различия в подходах к проектированию многоагентных систем. Описаны основные
типы моделей и приведены их важнейшие характеристики. Представлена модель взаимо-
действия агентов, включающая описание услуг (сервисов), взаимосвязей и обязательств,
существующих между агентами. Описана модель отношений (контактов), которая зада-
ет коммуникационные связи между агентами. Отмечена важность и перспективность
использования агентно-ориентированного подхода к проектированию многоагентных сис-
тем. Предложена концепция проектирования агентов и многоагентных систем, согласно
которой процесс проектирования включает в себя базовые компоненты самоорганизации,
в том числе процессы взаимодействия, скрещивания, адаптации к среде и т.д. Рассмотре-
ны различные подходы к эволюционного проектированию искусственных систем. Предло-
жена Эволюционная модель формирования агентов и агентств, как основной компонент
эволюционного проектирования. Предложены модифицированные эволюционные операто-
ры кроссинговера для реализации процесса проектирования агентов.
1 - 5 из 5 результатов
