РЕШЕНИЕ ЗАДАЧИ ОПТИМИЗАЦИИ С ПОМОЩЬЮ АЛГОРИТМОВ РОЕВОГО ИНТЕЛЛЕКТА

Реферат 4
Список сокращений и терминов 7
Введение 8
1 Обзор предметной области 13
1.1 Понятие и история развития роевого интеллекта 13
1.2 Классификация исследований роевого интеллекта 14
1.3 Свойства роевого интеллекта 17
1.4 Исследования и области применения роевого интеллекта 19
1.5 Перспективы развития 23
2 Роевые алгоритмы 26
2.1 Описание роевых алгоритмов 26
2.1.1 Генетический алгоритм 26
2.1.2 Муравьиный алгоритм 30
2.1.3 Метод роя частиц 35
2.1.4 Дифференциальная эволюция 38
2.1.5 Алгоритм пчелиной колонии 40
2.1.6 Светляковый алгоритм 44
2.1.7 Алгоритм кукушки 48
2.1.8 Другие эволюционные алгоритмы 51
2.2 Преимущества и недостатки роевых алгоритмов 54
2.3 Сравнительный анализ роевых алгоритмов 56
3 Разработка предлагаемого алгоритма 58
3.1 Постановка задачи разработки 58
3.2 Инструментарий для разработки 59
3.3 Описание предлагаемого алгоритма 60
3.3.1 Логическое описание алгоритма 60
3.3.2 Описание алгоритма через псевдокод 65
3.4 Проведение экспериментов 65
3.4.1 Контрольные функции для сравнения 65
3.4.2 Результаты эксперимента и анализ 67
Заключение 71
Список литературы 72

Купить

Область искусственного интеллекта и нейронных сетей приобретает особую значимость с каждым днём. Стремительно разрабатываются алгоритмы, методологии и подходы к решению различных задач, связанных с данными отраслями. Появляются совершенно новые, инновационные подходы, которые существенно упрощают, ускоряют и улучшают проведение аналитических исследований и практической реализации. Одним из таких подходов является область роевого интеллекта.
Рой - это большое количество однородных, простых агентов, взаимодействующих локально между собой и окружающей средой, без какого- либо центрального контроля, позволяющего появиться глобальному поведению. Алгоритмы, основанные на рое, недавно появились как семейство естественных алгоритмов, которые способны производить недорогие, быстрые и надежные решения для некоторых сложных проблем [1][2]. Таким образом, роевый интеллект (РИ) может быть определен как относительно новая отрасль искусственного интеллекта (ИИ), которая используется для моделирования коллективного поведения социальных взаимодействий в природе, таких как колонии муравьев, пчёл, стай птиц и т.п. Хотя эти агенты (насекомые или некоторые животные особи) относительно просты и имеют ограниченные возможности сами по себе, они взаимодействуют вместе с определенными моделями поведения, чтобы совместно решать задачи, необходимые для их выживания. Социальные взаимодействия между роями могут быть прямыми или косвенными [3]. Примерами прямого взаимодействия являются визуальные или звуковые контакты, такие как танец покачивания медоносных пчел. Косвенное взаимодействие происходит, когда один агент меняет окружающую среду, а другие реагируют на новую среду, такую как следы феромонов от муравьев, которые они откладывают на пути к поиску источников пищи. Этот косвенный тип взаимодействия упоминается как стигмергия, что по существу означает общение через окружающую среду [4]. Область исследований, представленная в данной работе, сфокусирована на роевом интеллекте и его алгоритмах.
В последние десятилетия биологи и естествоиспытатели изучали поведение социальных насекомых из-за удивительной эффективности этих природных систем роя. В конце 80-х ученые из IT-отрасли предложили научное понимание этих природных систем роя в области искусственного интеллекта. В 1989 г. выражение «Роевый интеллект» было впервые введено Х. Бени и Ван Цзином в систему глобальной оптимизации в виде набора алгоритмов для управления роботизированным роем [5]. В 1991 году М. Дориго и его коллеги представили «Оптимизацию колонией муравьев» [6][7][8] как новую вдохновленную природой метаэвристику для решения задач сложной комбинаторной оптимизации. В 1995 году Дж. Кеннеди и его коллеги представили оптимизацию роем частиц [9][10], который был впервые предназначен для моделирования социального поведения стаи птиц. К концу 90-х эти два самых популярных алгоритма начали выходить за рамки чисто научных интересов и входить в сферу реальных задач. Здесь, возможно, стоит упомянуть, что через несколько лет, ровно в 2005 году, алгоритм Карабога искусственного роя пчел был предложен Д. Карабога в качестве нового члена семейства роевого интеллекта [11] [12].
С тех пор как было предложены и описаны алгоритмы роевого интеллекта, число научных публикаций, в которых сообщается об успешном применении алгоритмов в некоторых задачах оптимизации и задачах исследований, неуклонно растет. Принципы роевого интеллекта были успешно применены в различных проблемных областях, включая задачи оптимизации функций, поиска оптимальных маршрутов, планирования, структурной оптимизации и анализа изображений и данных [13][14]. Вычислительное моделирование роевого интеллекта в дальнейшем было применено к широкому спектру разнообразных областей, включая машинное обучение [15], биоинформатику и биомедицину [16], динамические системы и исследования операций [17]; они даже применялись в финансах и бизнесе [18].
В данной работе рассматривается проблема недостаточной изученности подходов и методов классификации роевых алгоритмов, а также проблема выбора топологии алгоритмов для их применения в конкретных задачах. Объектом исследования является линейное программирование. Предметом исследования являются задачи оптимизации и применение алгоритмов роевого интеллекта для их решения.
Таким образом, целью работы является рассмотрение существующих алгоритмов роевого интеллекта, проведение сравнительного анализа для нахождения наиболее эффективных алгоритмов в решении конкретных задач, выявление преимуществ и недостатков роевых алгоритмов, а также их классификации в используемых отраслях. Также важной частью работы является разработка предлагаемого алгоритма, основанного на концепции роевого интеллекта и проверка качества его работы.
Для достижения поставленной цели, в работе необходимо решить следующие задачи:
1) изучить научные статьи и литературу, посвящённую роевому интеллекту и его алгоритмам, рассмотреть существующие методы оптимизации и особенности задач оптимизации в конкретных областях.
2) изучить особенности алгоритмов роевого интеллекта при решении задач оптимизации, различающихся сложными взаимосвязями, высокой размерностью и вычислительной сложностью моделей, наличием нескольких критериев, динамических и стохастических свойств;
3) провести системный анализ концепции роевого интеллекта, провести четкую классификацию алгоритмов, выделить общие и специфические особенности роевых алгоритмов;
4) описать концепцию предлагаемого алгоритма, выявить его отличительные свойства, произвести логическую и программную реализацию предложенного алгоритма
5) провести эксперименты разработанного алгоритма с различными алгоритмами роевого интеллекта, сравнить качество результатов, дать оценку и интерпретацию результатов
При проведении исследований использовались следующие методы:
1. Анализ литературных источников, описывающие концепцию роевого интеллекта и роевых алгоритмов, подходы и методы оптимизации, а также особенности задач оптимизации в конкретных областях.
2. Изучение информации о различных подходах и алгоритмах роевого интеллекта.
3. Разработка предлагаемого алгоритма, описание его логической структуры.
4. Проведение экспериментов для сравнения эффективности работы алгоритма, а также выявления его конкретных преимуществ.
5. Расчёт, визуализация и интерпретация сравнительных данных о результатах проведенных экспериментов.
Научной новизной обладают следующие результаты исследования:
• Проведена систематизация алгоритмов роевого интеллекта, произведён сравнительный анализ алгоритмов, выявлены их наиболее эффективные области применения.
• Предложен и разработан собственный алгоритм, который обладает существенным конкурентным преимуществом и позволяет улучшить эффективность решения задачи нахождения оптимума для некоторых математических функций.
Практическая значимость исследования: систематизация алгоритмов роевого интеллекта позволит улучшить процесс выбора алгоритмов под конкретную решаемую задачу или отрасль. Разработанный алгоритм позволит улучшить эффективность решения задач оптимизации некоторых математических функций.
Основная часть магистерской диссертации состоит из трех разделов: в первом разделе рассматривается обзор предметной области роевого интеллекта; во втором разделе производится описание роевых алгоритмов, выявляются конкретные преимущества и недостатки роевых алгоритмов, а также производится их сравнительный анализ; в третьем разделе описывается разработка предлагаемого алгоритма, проводятся экспериментальные исследования и, непосредственно, сами эксперименты для выявления конкурентных преимуществ разработанного алгоритма.

Купить