Разработка теории и основных принципов принятия решений в САПР на основе методов, инспирированных природными системами

Разработка теории и основных принципов принятия решений в САПР на основе методов, инспирированных природными системами

Автор: Сороколетов, Павел Валерьевич

Шифр специальности: 05.13.12

Научная степень: Докторская

Год защиты: 2010

Место защиты: Б.м.

Количество страниц: 349 с. ил.

Артикул: 5028388

Автор: Сороколетов, Павел Валерьевич

Стоимость: 250 руб.

Разработка теории и основных принципов принятия решений в САПР на основе методов, инспирированных природными системами  Разработка теории и основных принципов принятия решений в САПР на основе методов, инспирированных природными системами 

СОДЕРЖАНИЕ ВВЕДЕНИЕ.
ГЛАВА 1. АНАЛИЗ ПРОЦЕССА РАЗВИТИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
1.1 .Постановка задачи и основные модели принятия решений
1.2.Классификация методов принятия решений.
1.3. Анализ множества альтернатив принятия решений.
1.4. Информационный подход к разработке систем поддержки
принятия решений
1.5.Постановка задачи принятия решений в условиях неопределенности
.б.Описаиие моделей для задач принятия решений
1.7.Краткие выводы.
ГЛАВА 2. АНАЛИЗ И ПРЕОБРАЗОВАНИЕ ЗНАНИЙ ВСППР.
2.1 .Построение интеллектуальных систем поддержки принятия
решений
2.2.Методы вывода и поиска решений в продукционных системах
2.3.Методы вывода и поиска решений на фреймах и в семантических сетях.
2.4.Логическис методы вывода и поиска решений.
2.5.Метаданные в системах поддержки и принятия решений
2.6.Представление знаний при принятии решений.
2.7.Использование экспертных систем при принятии решений
2.8.Построение динамических экспертных систем в СППР
2.9.Связь между задачей принятия решений и генетическими алгоритмами
2Краткие выводы.
ГЛАВА 3. РАЗРАБОТКА ЭВОЛЮЦИОННЫХ И ГЕНЕТИЧЕСКИХ МЕТОДОВ ПРИНЯТИЯ РЕШЕНИЙ
3.1.Анализ и обзор моделей эволюции
3.2.Построение модифицированной модели эволюции Шмальгаузена.
З.З.Элементы теории генетических алгоритмов
3.4. Перспективные технологии квантового поиска для СППР.
3.5.Краткие выводы.
4. РАЗРАБОТКА АЛГОРИТМОВ ПРИНЯТИЯ РЕШЕНИЙ В САПР.
4.1. Синтез алгоритмов принятия решений при разбиении
графовых моделей.
4.2.Комбинированные подходы для размещения вершин графов.
4.3. Определение инвариантов графовой модели принятия решений
4.4. Квантовые алгоритм решения задач на основе графовых моделей.
4.5.Биоинспирированный алгоритм определения максимальных паросочетаний в графовой модели.
4.6.Краткие выводы.
ГЛАВА 5. АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
5.1.Инструментальная среда эволюционного моделирования.
5.2. Результаты вычислительного эксперимента при принятии решений для графовых моделей в САПР.
5.3. Вычислительные эксперименты при анализе инвариантов
графовых моделей
5.4.Краткие выводы.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Р(г) = Р{у/ < У; (ф,ц4(х,)ч/) < у/}, j = 1,2,. Здесь р4(хО - функция принадлежности нечеткого множества |/. Вычисление статистического показателя Р7. Монте-Карло [9,,] или на основе эволюционных стратегий, как будет описано ниже. СППР, каждый из которых взаимно-однозначно описывается вектором управляемых переменных геО. Одна из проблем принятия решений - реализация процедуры выбора из различных работоспособных вариантов одного или множества, предпочтительных с точки зрения ЛПР. Принимая предварительное решение, ЛПР дихотомически разбивает область И на два нечетких подмножества И = И! П2. В включаются отобранные по заданному критерию варианты, а в Э2 - все отклоненные варианты. Причем Э1 р| В2 - 0, но на каждой итерации принятия решений ряд вариантов могут переходить из в и наоборот. Е)2. Сравнение работоспособных вариантов принятия решений производится на основе бинарных четких и нечетких отношений предпочтения, определенных на Б. Для сравнения вариантов ПР вводится набор частных критериев оптимальности СЬ, СЬ, . Это - количественные показатели, которые последовательно или параллельно характеризуют качество СППР с помощью вычисления одного наиболее важного в данный момент для СППР свойства. Если ЛПР необходимо иметь один критерий оптимальности, то производится аддитивная или мультипликативная свертка частных критериев. Иногда для этого процесса используются методы компромисса или штрафных функций [,]. Под оптимальной задачей () принятия решений понимается такая задача, в которой необходимо найти решение, в некотором смысле наилучшее или, как говорят, оптимальное. Оно может быть принято оптимальным на основе критерия (меры оценки исследуемого явления) или целевой функции (ЦФ), заданной ЛПР. Существует большое количество САПР, и они могут иметь различную структуру, постановку, методы решения и т. Однако постановка, но не решение, всех имеет много аналогий [5,9,-]. При постановке часто указывается исходное четкое или нечеткое множество альтернативных вариантов или решений. Из этого множества решений выбирается оптимальное. Это исходное множество решений называется пространством решений. В дальнейшем его будем обозначать через М. В процессе поиска некоторые решения априорно отвергаются в качестве «плохих». Другими словами, в пространстве решений задаются ограничения, которым должны удовлетворять оптимальные. Эти ограничения составляют в пространстве М некоторое подмножество Г тех решений, которые удовлетворяют заданным ограничениям О. Как отмечалось выше, это множество допустимых решений. Далее необходимо указать механизм сравнения любых двух допустимых решений с тем, чтобы можно было выяснить, какое из них лучше в интересующем нас смысле. Как правило, этот способ сравнения задается с помощью критерия оптимальности. Критерий оптимальности представляет собой отображение (т. Обозначим это отображение, т. БгМ’-уЯ, (1. Я - множество неотрицательных вещественных чисел. Зная функцию ? М’, если F(m) F(m’). F(m”) = max F(m’) /т’е М (1. Обычно требуемое правило сравнения указывается для задачи минимизации F(m) —»min, или для задачи максимизации F(m) ->max []. Следовательно, оптимизационная задача записывается в виде кортежа длины три: <М, D, F>, где М - пространство решений; D - ограничения, выделяющие в М область допустимых решений М’сМ; F:M’-»R - критерий оптимизации. Решение ш^бМ’, удовлетворяющее требованию оптимизации, т. F(m”) = minF(m’) /ш’е М’, (1. Часто классификацию проводят по трем основным принципам [9,,,]: область применения; содержание задачи; класс ММ. Обычно область применения классифицируют следующим образом: управление; принятие решений; проектирование. Классификацию ММ оптимизационных задач проводят: по элементам модели; по искомым переменным; по зависимостям, описывающим ЦФ, ограничениям и граничным условиям. Комбинации элементов ММ приводят к различным классам .

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.351, запросов: 244