Автоматизированная информационная система управления размещением объектов в территориально-распределенном комплексе

• Автор: Сидоров, Александр Александрович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Санкт-Петербург
• Количество страниц: 153 с. : ил.

Содержание
Введение

Глава 1. Задача выбора и размещения.

1.1. Методы выбора адаптивных вариантов размещения.

1.2. Об аксиоме выбора

1.3. Аксиоматика выбора и размещения элементов БМсистемы.

Основные результаты

Глава 2. Применение теории потенциальных функций к решению задачи

управления размещением.

2.1. Формализация предметной области ВМС с помощью аппарата

потенциальных функций

2.2. О задаче обучения распознаванию образов ситуаций.
2.3. Геометрическая интерпретация задачи
2.4. Рекуррентная процедура построения потенциальной функции
2.5. Алгоритм обучения Автоматизированной Информационной Системы
управления Оптимальным Размещением АИСОР.
Основные результаты
Глава 3. Анализ ситуации в решении задачи управления размещением.
3.1. Обработка экспериментальных данных.
3.2. Элементы кластерного анализа.
3.3. Структуризация предметной области БМсистем
3.4. Формальное описание функционирования БМсистемы с помощью
методов регрессионного анализа.
3.5. Нейронная сеть с системой управления.
Основные результаты
Глава 4. Автоматизированная Информационная Система управления Оптимальным Размещением
4.1. Этапы проектирования автоматизированных информационных
систем.
4.2. Структурное решение АИСОР
4.3. Описание базы данных системы.
4.4. Пользовательский интерфейс и моделирование в автоматизированной
системе
Основные результаты
Заключение
Список литературы


В дальнейшем в основном изучались такие автоматы, у которых матрица переходов имеет одинаковые строки, а число состояний равно числу действий (каждому состоянию соответствует «свое» действие). Такие автоматы получили название «автомат-строка». Они полностью определяются стохастическим вектором, компоненты которого суть вероятности совершения автоматом соответствующего действия. При этом вероятность совершения какого-либо действия не зависит от того действия, которое автомат совершил на предыдущем шаге. Алгоритмы изменения этого стохастического вектора в процессе взаимодействия «автомата-строки» со средой, представляющие собой алгоритмы изменения его структуры, называют автоматными алгоритмами. Теория поведения автоматов в случайных средах возникла и долгое время развивалась независимо от более ранних исследований зарубежных авторов, изучавших так называемую задачу о двуруком бандите [, , ], основная разновидность которой по существу представляет собой частный случай задачи адаптивного выбора вариантов с бинарными потерями, когда имеется всего два возможных варианта. Предложенные методы решения этой задачи во многом аналогичны тем, которые были получены при изучении поведения в случайных средах автоматов с постоянной структурой. Не останавливаясь более на других работах, посвященных задаче о двуруком бандите, следует указать на работу Херкенрата и Теодореску [], в которой исходная задача сводится к задаче нахождения максимума функции регрессии и для ее решения применяется процедура Кифера — Вольфовица [1]. Перейдя к рассмотрению методов решения задач адаптивного выбора вариантов с небинарными потерями, отметим, что различают два случая: задачи с ограниченными потерями, когда величина %п(п -1,2,. Ь], и задачи с неограниченными потерями, в которых либо отрезок [а>Ь] неизвестен, либо ? Задачи адаптивного выбора вариантов с ограниченными потерями могут решаться методами, разработанными для решения задач с бинарными потерями. Без ограничения общности можно считать, что характеристика качества принимает значения из отрезка [0,1]. В [, ] предложено преобразовывать величины ? Коноваловым [1] предложена конструкция семейства автоматов, позволяющих (при ограниченных с вероятностью 1 потерях) добиваться ? Другой подход к решению задач с ограниченными потерями предложили Лакшмиварахан и Тхатхачар [2]. Они распространили автоматные алгоритмы на случай, когда потери принимают конечное число значений и континуум значений, и показали, что для этих алгоритмов справедливы те же выводы об их сходимости, что и в бинарном случае: с положительной вероятностью задача может быть решена ошибочно. Ограниченность потерь существенно используется в этих алгоритмах для обеспечения «стохастичности» вектора вероятностей выбора вариантов при его изменениях. Для решения задач адаптивного выбора вариантов с неограниченными потерями можно воспользоваться одним из алгоритмов, предложенных Сраговичем [3] и Флеровым [4]. Все эти алгоритмы основаны на вычислении (в процессе перебора возможных вариантов) оценок средних значений потерь, соответствующих разным вариантам, и изменении стратегии выбора в зависимости от этих оценок. Например, в одном из алгоритмов Флерова на каждом шаге (кроме заранее заданных, частота появления которых стремится к нулю) осуществляется выбор того варианта, которому соответствует наименьшая текущая оценка средних потерь (специальным приемом обеспечивается, чтобы ни один из вариантов не мог быть выбран конечное число раз в бесконечной серии актов выбора, что необходимо для обеспечения сходимости всех оценок средних потерь к своим истинным значениям). Для этого алгоритма частота выбора оптимального варианта стремится к единице почти наверное. Остальные из упомянутых алгоритмов Сраговича и Флерова являются автоматными, в которых вероятности выбора вариантов изменяются в зависимости от текущих оценок средних потерь. Сходимость этих оценок к оптимальной или е- оптиматьной стратегии выбора вариантов обеспечивается за счет сходимости оценок средних потерь для каждого варианта к их истинным значениям.