ВВЕДЕНИЕ 3
I Исследование современных подходов и информационных средств моделирования задач селекции 11
1.1 Обзор существующего информационного обеспечения
моделирования задач селекции 11
1.2 Теоретические основы моделирования задач селекции 18
1.3 Обзор структур и методов обучения нейронных сетей 27
1.4 Анализ эффективности применения нейронных сетей 39
2 Разработка методов и алгоритмов моделирования процесса селекции .... 43
2.1 Разработка методов моделирования селекции 43
2.2 Проектирование модели решения задач селекции 55
2.3 Разработка программного интерфейса 58
2.4 Основные результаты и выводы 60
3 Проведение вычислительных экспериментов 61
3.1 Оценка эффективности разработанных методов 61
3.2 Основные результаты и выводы 69
ЗАКЛЮЧЕНИЕ 70
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Купить

В настоящее время информационные технологии широко используются во всех сферах деятельности человека, в том числе в сельском хозяйстве, включая растениеводство. Успехи в развитии растениеводства во многих случаях связано с наличием различных сортов растений способных выживать в конкретных климатических условиях и давать высокий урожай.
Основные направления для обеспечения сортового разнообразия — это селекция и эволюция. Поскольку эволюция процесс длительный, то в настоящее время применяется селекция, так как с ее помощью, под контролем специалистов, можно в ускоренном, по сравнению с эволюционным развитием, получать новые сорта. В данной работе рассматривается применение вычислительных технологий и искусственных нейронных сетей (ИНС), с помощью которых имеется возможность моделировать процесс селекции, а именно моделировать набор качеств будущих поколений от родительских особей. ИНС позволяет моделировать мутации генов и анализировать полученные результаты.
Актуальность работы обусловлена возможностью применения новых вычислительных технологий в селекции для моделирования процессе скрещивания и анализа результатов, внесения корректировок в исходные данные. Применение компьютерных технологий позволяет быстрее моделировать процессы селекции, что позволяет ускорить трудоемкий и длительный процесс отбора родительских особей и выведения новых с требуемым набором признаков. Наличие генетического разнообразия сортов растений, животных, лесов необходимо с целью сохранения популяционного разнообразия. В данной работе рассматривается возможность решения задач селекции с использованием средств вычислительной техники для выведения новых сортов растений.
Большое разнообразие сортов способствует продовольственных запасов на достаточном уровне, а повешенная выживаемость и урожайность позволяет собирать высокие объемы урожая.
Увеличить количество и качество собираемого урожая помогает селекция растений. Применение современных вычислительных технологий в области селекции дает возможность моделировать поведения процесса скрещивания растений, рассчитать выживаемость растений т.д. Возможность применения компьютерных средств обработки данных обусловлена их большим объемом и высокой скоростью работы с информацией, а также возможностью решения специфических задач селекции благодаря современным методам поиска, сбора, хранения, обработки и распространения информации.
Развитие вычислительной техники способствовало совершенствованию методов моделирования процессов поведения животных при помещении их в различные условия, а также ведение учета генов, отвечающие за необходимые свойства у объекта.
Селекция - это отрасль науки, являющийся основным источником развития Российской федерации от успешного развития, которых зависит доля обеспеченности продуктами питания населения и развития экономики страны. Селекцию можно разделить на два основных сегмента: биологическая (эволюция), выведение новых сортов человеком. Особенностью селекции является возможность получения новых качеств продукта для адаптации к изменяющимся условиям окружающей среды. Человек использует селекцию для привития необходимых качеств.
На данный момент известные различные алгоритмы селекции, в разработке которых принимали участие В. С. Пустовойт, В. Н. Мамонтова, А. П. Шехурдин и другие. Ими проделана большая работа по увеличению урожайности отдельных представителей растительных культур.
Возможность применения в данной работе современных методов решения задач селекции обусловлена развитием технологий искусственного интеллекта и искусственных нейронных сетей (ИНС). Использование ИНС в задачах селекции позволяет быстрее моделировать процесс. Анализ полученных результатов дает возможность корректировать входные данные.
Искусственные нейронные сети - это частичная реализация искусственного интеллекта, которая моделирует мыслительную деятельность человека.
Нейронные сети применимы для широкого спектра задач, в том числе и в процессе селекции. Задачи селекции подразумевают проведение экспериментов по скрещиванию нескольких растений для получения требуемых качеств у новых особей и занимает много времени.
Селекция представляет собой искусственное ускорение процессов эволюции. Проводя селекционную деятельность, специалистами были разработаны методы, которые адаптированы од разные условия работы, но направлены на достижение одной й той же цели.
Для эффективной работы селекционной промышленности необходимо проводить постоянные исследования, улучшать уже имеющиеся методы и алгоритмы с целью минимизации ошибки. Для этого необходимы практические исследования или моделирование процесса селекции на вычислительных машинах (ЭВМ). Использование ЭВМ снижает временные затраты, позволяя детально изучить процесс. Положительной стороной использования ИНС является гибкость и универсальность полученных методов.
Разработкой моделей селекции занимались ученые Н. И. Вавилов, Чарльз Р. Х., Д. Бродбента, Г.Д. Карпеченко и др. Существенный вклад в развитие моделей селекции в растениеводстве внес И.В. Мичурин. Исследователи в области селекции изучали следующие факторы: исходное сортовое и видовое разнообразие растений и животных; наследственную изменчивость; роль среды в развитии и проявлении нужных селекционеру признаков.
В настоящее время известны различные программные продукты, позволяющие решать отдельные задачи селекции. Для оценки селекционного потенциала разработано программное обеспечение BLUP. Известна программа по оцениванию питательных веществ в кормовой смеси растений. Программа STAGES позволяет проводит оценку различий старого поколения от нового. Программа Quantitative Trait Loci позволяет моделировать схему расположение генов. Программа "DIAS", разработанная Р.А. Цильке и Л.П. Присяжной, предназначена для расчёта генетических параметров различных сортов.
Анализ методов селекции и существующих программных продуктов показал высоких уровень теоретической проработанности аспекта моделирования задач селекции, и незначительное количество реализаций в виде программного обеспечения, в том числе использующего нейронные сети при моделировании процессов селекции.
Целью работы является разработка методов и алгоритмов для решения задач селекции с использованием искусственных нейронных сетей и генетического алгоритма, обеспечивающих моделирование процессов скрещивания родительских особей.
Для достижения поставленной цели решены следующие задачи:
1) Анализ методов и программных средств моделирования процессов селекции.
2) Разработка метода и алгоритма моделирования процесса
скрещивания родительских особей с обменом генов.
3) Разработка метода и алгоритма моделирования процесса
скрещивания родительских особей с учетом мутаций с использованием нейронной сети, обучаемой с помощью генетического алгоритма.
4) Разработка прототипа программной реализации разработанных алгоритмов.
5) Проведение вычислительных экспериментов по оцениванию работоспособности разработанных методов.
Объектом исследования являются информационные технологии, применяемые при моделировании процессов скрещивания растений, используемых в селекции.
Предмет исследования: моделирование процессов селекции на основе искусственных нейронных сетей.
В ходе исследования применялась методология системного анализа; использовались методы математической логики в представлении генетических моделей задач селекции.
Новизна работы состоит в разработке метода моделирования процесса скрещивания родительских особей с обменом генов, а также в разработке метода моделирования процесса скрещивания родительских особей с учетом мутаций с использованием нейронной сети, которые позволят проводить моделирование процесса скрещивания селекции на основе одного поколения. Параметры процесса мутации генов определяются на основе показателей генетического алгоритма.
Практическая значимость работы обусловлена разработанными алгоритмами моделирования процессов скрещивания родительских особей, а также созданным прототипом программной реализации разработанных алгоритмов, прошедшего апробацию на базе Управления сельского хозяйства Волоконовского района Белгородской области. Полученные данные апробации показывают работоспособность разработанных методов, алгоритмов.
Положения, выносимые на защиту:
1) Алгоритм моделирования процесса скрещивания родительских особей с обменом генов.
2) Алгоритм моделирования процесса скрещивания родительских особей с учетом мутаций с использованием нейронной сети, обучающейся с помощью генетического алгоритма.
3) Результаты проведенных вычислительных экспериментов, иллюстрирующие преимущество разработанных методов и алгоритма.
Автором осуществлена разработка методов моделирования задачи скрещивания родительских особей, алгоритмов, реализующих данные методы, прототипа их программной реализации, проведены вычислительные эксперименты.
В ходе исследования применялась методология системного анализа; использовались методы математической логики в представлении генетических моделей задач селекции, методическое программирование методов решения задач по селекции, анализ полученных результатов обучения полученной ИНС на основе разработанного алгоритма скрещивания, методы объектно-ориентированного программирования.
Магистерская работа состоит из введения, основной части, которая состоит из четырех разделов, заключения и списка используемой литературы.
Во введении сформулированы актуальность, цель и задачи работы, указаны научная новизна, положения, выносимые на защиту, практическая значимость работы, также приведено краткое содержание работы.
В первом разделе приведен обзор основных определений и комплекса средств обеспечения информационных технологий. Выделены задачи информационных технологий для решения задач селекции. Описаны существующие методы моделирования процессов селекции, которые используют различные методы проведения процедуры селекции. Приведена математическая модель работы известного метода моделирования селекции BLUP, а также результаты анализа применения данного метода.
Также, в первом разделе, проведен анализ методов селекции в природе. При обзоре методов были рассмотрены результаты применения их на практике. Выделены пути развития селекции и задач селекции, рассмотрены труды исследователей в изучаемой научной области.
В первом разделе также проведен анализ применения искусственных нейронных сетей, их структуры построения. Рассмотрены история возникновения и развития нейронных сетей. Проведен анализ известных методов обучения нейронной сети, которая выявила положительные и отрицательны стороны различных подходов.
Приведены примеры применения нейронных сетей. Из приведенных примеров использования нейронных сетей определены положительные и отрицательные аспекты их применения.
Из анализа методов обучения был выбран генетических алгоритм, в качестве метода обучения без учителя, который минимизирует вычислительный процесс и не требует специалиста при первичном обучении нейронной сети.
Во втором разделе производится проектирование методов моделирования процессов селекции и разработка методов моделирования. Разработка алгоритма для метода моделирования процессов селекции с использованием нейронной сети и метода моделирования процессов селекции без использования нейронной сети, так же разработка метода моделирования процесса скрещивания родительских особей с учетом мутаций с использованием нейронной сети на первом этапе необходимо обучение нейронной сети, сформировав тестовой выборки.
В разделе два, также, описывается разработка прототипа программного обеспечения, которое осуществляется с использованием средств объектно ориентированного программирования C#, нейронная сеть была разработана в среде программирования MATLAB 2014, после чего была экспортирована в C# используя встроенные библиотеки MATLAB ComponentRuntime.
Третий раздел выпускной работы описывает процесс проведения вычислительных экспериментов разработанных методов и сравнение с существующими методами. Тестовые данные для проведения экспериментов были взяты в управлении сельского хозяйства муниципального района Волоконовский район. После сравнения разработанных методов, проводится сравнение метода BLUP и метода моделирования процесса скрещивания родительских особей с учетом мутаций с использованием нейронной сети. На
основе полученных результатов сравнения формируются рекомендации по улучшению и применению разработанных методов.
В заключении приведены основные результаты и выводы работы, подведены итоги результатов обучения и использования нейронных сетей, подтверждающие работоспособность разработанных методов и алгоритмов решения задач селекции.
Магистерская работа написана на 77 станицах, содержит 55 источников литературы.
Купить