Применение генетических алгоритмов в системах Автономного Адаптивного Управления

• Автор: Земских, Леонид Вячеславович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Москва
• Количество страниц: 122 с. : ил.

ВВЕДЕНИЕ

1. Проблема создания систем автономного управления. .

2. Методология Автономного Адаптивного Управления ААУ и проблема синтеза прикладных систем
А А У.

2.1 Основные понятия и алгоритм работы.

2.2 Описание элементной базы систем ААУ модели неГфОнов, синапсов и сетей.

3. Основные положення теории генетических алгоритмов, методы эволюционной оптимизации

3.1 Введение в тематику генетических алгоритмов.

3.2 Структура простейшего генетического алгоритма, терминология.

3.3 Проблемы кодировки .

4. Цели и задачи диссертационной работы. . .

ГЛАВА 1. ЗАДАЧА ОПТИМИЗАЦИИ ПАРАМЕТРОВ БЛОКА ДАТЧИКОВ И БЛОКА АКТУАТОРОВ СИСТЕМЫ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ
1 Описание понятий, постановка задачи в общем виде. .
2 Принципы построения генетического алгоритма решения задачи. .
3 Пример постановки и решения задачи оптимизации блока датчиков и блока актуаторов автономного мобильного робота . .
ГЛАВА 2. ПРОЦЕДУРА ДИНАМИЧЕСКОГО ФОРМИРОВАНИЯ СЕТИ ФОРМАЛЬНЫХ НЕЙРОНОПОДОБНЫХ ЭЛЕМЕНТОВ ДЛЯ АППАРАТА ФОРМИРОВАНИЯ И РАСПОЗНАВАНИЯ ОБРАЗОВ И БАЗЫ ЗНАНИЙ СИСТЕМ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ.
1 Предпосылки к созданию процедуры динамического формирования сетей нейрононодобных элементов
2 Размерность задач распознавания и управления .
3 Формальное описание состава, строения и работы системы формирования и распознавания образов 4 Алгоритм динамического формирования топологии сети нейроноподобных элементов системы ФРО. 5 Блок База Знаний и блок Принятие Решений.
ГЛАВА 3. ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ПОДБОРА ЗНАЧЕНИЙ ПАРАМЕТРОВ ПРОЦЕДУРЫ ДИНАМИЧЕСКОГО ФОРМИРОВАНИЯ СЕТИ НЕЙРОНОПОДОБНЫХ ЭЛЕМЕНТОВ СИСТЕМЫ ФРО
1. Постановка задачи оптимизации нейроноиодобной системы управления в системе ААУ . 2 Решение залами оптимизации системы управления на примере автономного мобильного робота.
ГЛАВА 4. АЛЬТЕРНАТИВНЫЕ И ДОПОЛНИТЕЛЬНЫЕ ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В СИСТЕМАХ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ
ЗАКЛЮЧЕНИЕ.
СПИСОК СОКРАЩЕНИЙ.
СПИСОК ЛИТЕРАТУРЫ


При полном отсутствии или ограниченности априорной информации о свойствах системы, задать точно топологию сети, способной отследить все статистически значимые пространственновременные явления в потоке входных векторов нельзя. Построенная в таком случае сеть, возможно, будет содержать большое количество необучившихся нейронов т. Очевидно, что чем больше нейронов, отслеживающих несовпадающие пространственновременные явления, находится в сети, тем большее количество гипотез система способна проверить и использовать в дальнейшем. Однако такая схема неудовлетворительна с точки зрения использования ресурсов. Необходимо предложить механизмы предварительной оптимизации топологии сетей нейроноподобных элементов для построения топологии сетей, которая могла бы увеличить эффективность использования ресурсов. В животном мире организмы с развитой нервной системой имеют заранее сконфигурированные комплексы из нервных клеток нервные центры и отделы мозга, ориентированные на выполнение вполне определенного и весьма узкого круга задач. Общий вид конфигурации этих отделов и центров определялся многовековой эволюцией живых существ на Земле, и та форма и конфигурация нервных отделов и центров, которую можно наблюдать сегодня, показала себя как наиболее приспособленная на данный момент к выполнению именно тех задач, которые она решает у организмов данного биологического вида. Из этого можно сделать вывод о том, что нервная система живых организмов каждого вида, в основном заранее сконфигурирована для выполнения определенного комплекса задач, т. Ж закладывается в нес при рождении. В литературе такую априорную приспособленность называют иногда стартовой генетической программой , слово генетический здесь указывает на передачу этой программы по наследству от предков. Также каждому живому организму в природе присуще так называемое репертуарное поведение программы поведения, переданные по наследству, через гены. Доля такого репертуарного поведения по сравнению со способами поведения, найденными самим организмом в течение жизни, может быть очень большой, особенно у простых организмов . В то же время, в нервных системах имеется достаточный объем свободных ресурсов для приспособления к конкретным условиям обитания и функционирования. Однако это уже ресурсы совсем иного вида это информационные ресурсы, здесь обучение осуществляется уже не за счет перестройки структуры сети, а посредством обучения нейронов. В случае системы ААУ, было бы целесообразно при организации се подсистем на основе нейронных сетей закладывать в систему априорную информацию в виде определенной структуры этих нейронных сетей, иили в виде правил формирования этих сетей, в соответствии с предположениями или априорной информацией о функциональных свойствах среды. Такие структуры или правила должны явиться следствием решения некоторой задачи оптимизации. Настоящая работа посвящена рассмотрению применения одного из подходов, называемого генетическими алгоритмами, для синтеза и оптимизации блоков системы ААУ. Работу блока формирования и распознавания образов ФРО можно представить следующим способом подробное описание см. И, . В блоке ФРО, на основании априорной информации о возможных функциональных свойствах среды, заданы специальные объекты, называемые нейронами например, нейроны специального вида, описанные в работе , краткое представление которых приведено ниже, на которые отображаются некоторые классы пространственновременных явлений закономерностей, которые потенциально могут существовать в системе. Это отображение задается топологией сети, не содержащей циклов. В рассматриваемой топологии сети, входы нейрона могут быть присоединены к выходу любого из нейронов предыдущих порядков слоев. В каждом классе пространственновременных явлений, отображаемом на ОУ, каждому нейрону соответствует некий подкласс явлений, который определяется топологией связей с другими нейронам и датчиками. В потоке информации, приходящей на УС, каждый элемент этой информации, попадает в тот или иной класс пространственновременных явлений. В виду сказанного, можно говорить о событиях типа реализации отображения на УС того или иного класса пространственновременных явлений, и, в частности, их подклассов.