Оптимизация процессов поиска решений в интеллектуальных системах обработки экспертной информации на основе генетических алгоритмов

• Автор: Частикова, Вера Аркадьевна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Краснодар
• Количество страниц: 186 с. : ил.

1 СОСТОЯНИЕ ВОПРОСА. СУЩНОСТЬ ПРОБЛЕМЫ. АНАЛИТИЧЕСКИЙ ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ

1.1 Общие сведения

1.2 Проблема поиска решений в интеллектуальных системах обработки экспертной информации

1.2.1 Детерминированные методы поиска

1.2.2 Статистические методы поиска

1.3 Генетические алгоритмы - новый подход к оптимизации процессов поиска решений в экспертных системах

1.4 Цели и задачи исследования

Выводы по главе

2 ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ И РАЗРАБОТКА МЕТОДА ОПТИМИЗАЦИИ ПРОЦЕССА ПОИСКА РЕШЕНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ НА ОСНОВЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

2.1 Некоторые сведения из эволюционной теории

2.2 Теоретические основы ГА

2.2.1 Простой ГА
2.2.2 Модифицированный ГА
2.2.3 Механизмы размножения ГА
2.3 Теорема схем
2.3.1 Последствия воздействия операторов ГА на состав схем
2.3.2 Гипотеза о строительных блоках
2.3.3 Область эффективного действия ГА
2.3.4 Шаблоны схем и гиперплоскости
2.4 Разработка метода поиска оптимальных решений

в экспертных системах на основе ГА
2.4.1 Исходные концепции
2.4.2 Описание метода
2.4.3 Алгоритм поиска решений
Выводы по главе
3 СОЗДАНИЕ ПРОГРАММНОГО ИССЛЕДОВАТЕЛЬСКОГО КОМПЛЕКСА «ПОИСК»
3.1 Цели и задачи комплекса
3.2 Структура программного исследовательского комплекса «ПОИСК»
3.3 Генератор баз знаний
3.4 Модуль машины логического вывода
3.5 Методика проведения эксперимента на ПИК «ПОИСК»
Выводы по главе
4 ИССЛЕДОВАНИЕ МЕТОДА ГЕНЕТИЧЕСКИХ СХЕМ И СРАВНИТЕЛЬНЫЙ АНАЛИЗ С ДРУГИМИ МЕТОДАМИ ПОИСКА РЕШЕНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ
4.1 Исследовательская среда в режиме «Консультации»
4.2 Режимы метода генетических схем
4.3 Исследование основных параметров ГА и их оптимизация
4.3.1 Влияние численности популяции
4.3.2 Влияние длины бинарных кодировок
4.3.3 Механизм отбора родительских пар
4.3.4 Выбор схемы размножения
4.3.5 Выбор типа оператора кроссовера
4.3.6 Выбор способа формирования родительской пары
4.3.7 Влияние на эффективность поиска типа используемого оператора мутации
4.3.8 Влияние оператора инверсии на эффективность поиска
4.4 Сравнительная оценка эффективности метода ГС
4.4.1 Параметры метода корреляции
4.4.2 История консультаций
4.4.3 Сравнительные диаграммы процессов поиска
Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЕ А АКТЫ ВНЕДРЕНИЯ ПИК «ПОИСК»

Рисунок 2.2 - Схема алгоритма создания особи первого поколения
Популяция следующего поколения в большинстве реализаций генетических алгоритмов содержит столько же особей, сколько начальная, но в силу отбора приспособленность в ней в среднем выше. Теперь описанные процессы отбора, скрещивания и других операторов повторяются уже для этой популяции и т. д. В каждом следующем поколении будет наблюдаться возникновение совершенно новых решений задачи. Среди них будут как плохие, так и хорошие, но благодаря отбору число хороших решений будет возрастать.