Генетический алгоритм для поиска логических закономерностей в данных

• Автор: Доронин, Вадим Александрович
• Шифр специальности: 05.13.12
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 133 с. : ил.

1.1. Обоснование применения автоматизированной выработки правил для увеличения эффективности процесса принятия решений.

1.2. Типы возможных закономерностей в методологии обработки данных

1.3. Методы поиска логических закономерностей

1.4. Средства интеллектуального анализа данных.

1.5. Генетический алгоритм как средство интеллектуального анализа данных.

1.5.1. Обоснование выбора генетического алгоритма как средства ii для автоматического выявления логических правил.

1.5.2. Основные понятия и принципы генетических алгоритмов.

1.6. Выводы
ГЛАВА 2. Автоматизированный поиск элементарных событий и логических закономерностей генетическим алгоритмом.

2.1. Анализ способов классификации в задачах САПР

2.1.1. Процедура предъявления правил для классификации.

2.1.2. Правила классификации.
2.1.3. Варианты описания объектов
2.1.4. Байсссовская процедура классификации
2.2. Методы поиска логических закономерностей для решения задач САПР .
2.2.1. Деревья решений.
2.2.2. Алгоритм
2.2.3. Алгоритм Кора.
2.2.4. Случайный поиск с адаптацией
2.3. Основные характеристики генетических алгоритмов.
2.4. Различные варианты генетического алгоритма в качестве инструментариев интеллектуального анализа данных.
2.4.1. Комбинированный генетический алгоритм.
2.4.2. Поколенческий генетический алгоритм.
2.4.3. Адаптивный генетический алгоритм
2.4.4. Многоуровневый генетический алгоритм
2.5. Генетический алгоритм для определения элементарных событий и поиска логических закономерностей
2.6. Выводы
ГЛАВА 3. Алгоритм представления логических закономерностей и информационная реализация генетического алгоритма для поиска логических закономерностей
3.1. Информационная и объектноориентированная модели
3.1.1. Разработка объектноориентированной модели для описания генетического алгоритма.
3.1.2. Алгоритм формирования логических закономерностей в рамках объектноориентированной модели.
3.1.3. Разработка структуры Базы Данных для хранения промежуточных данных и результатов работы генетического алгоритма.
3.2. Осуществление вывода и формирование логических закономерностей в терминах конъюнкции элементарных событий
3.3. Выводы.
ГЛАВА 4. Разработка программного и информационного обеспечения генетического алгоритма
4.1. Программные средства и СУБД для реализации генетического алгоритма
4.2. Конструирование генетического алгоритма для поиска логических закономерностей с помощью разработанной системы классов
4.3. Программная реализация генетического алгоритма для поиска логических закономерностей.
4.3.1. Создание соединения с Базой Данных проекта
4.3.2. Инициализация характеристик генетического алгоритма.
4.3.3. Формирование признаков классов и предобработка данных
4.3.4. Поиск логических закономерностей с помощью генетического алгоритма
4.3.5. Программное формирование логических правил
4.4. Выводы
Заключение.
Список Литературы


Уменьшения затрачиваемого времени на разработку такого плана в раза и исключения ошибок, связанных с человеческим фактором. Использование генетических алгоритмов как средства интеллектуального анализа данных при построении логических правил, используемых в задачах проектирования. Разработанный ГА, проводящий предобработку данных, заключающуюся в их сегментации и выделении наиболее значимых значений признаков и их сочетаний для выявления логических закономерностей. Разработанное программное и информационное обеспечение приложения для создания и использования ГА для выбора логических закономерностей в задачах проектирования. Апробация работы. Результаты работы докладывались на научнотехнических конференциях студентов, аспирантов и молодых специалистов МИЭМ Москва, гг. Новые информационные технологии Москва, гг Результаты работы публиковались в журналах Информационные технологии 7 Москва, гг. Качество и ИПИ САЬЗтехнологии 1 Москва, гг. Технологии ЭМС Электромагнитной совместимости 1 Москва, гг. Публикации. Объем работы. Общий объем диссертации 0 стр. Работа состоит из введения, четырех глав, заключения и списка литературы, включающего 4 работы отечественных и зарубежных авторов. ГЛАВА 1. Методы и средства интеллектуального анализа данных. В первой главе рассматриваются вопросы современного состояния и тенденции развития систем и методов обработки информации, хранящейся в базах данных или информационных хранилищах. Обосновывается выбор метода анализа данных для построения системы принятия решений в структуре САПР. Первый параграф посвящен актуальности разработки подхода для автоматизированной выработки правил. Во втором параграфе производится анализ возможных задач и способов обработки данных. Третий параграф посвящен существующим методам поиска логических закономерностей. В четвертом параграфе рассматриваются основные средства методологии ii. Приводятся их достоинства и недостатки. В пятом параграфе производится обоснование выбора генетического алгоритма, как средства ii, для автоматизированной выработки логических правил. Приводится обзор основных свойств и методов генетического алгоритма. Сфера применения проектирования САПР постоянно увеличивается, что требует развития методов информационного обеспечения и новых подходов к поиску необходимых данных на всех этапах проектирования. Под проектированием понимается комплекс работ исследовательского, расчетного и конструкторского характера, связывающие научные исследования и практическую реализацию новых или реконструкции старых технических объектов. От сроков и качества проектирования в значительной степени зависят сроки внедрения и качество готовой продукции. Современная мировая тенденция значительное сокращение сроков проектирования. Повышение эффективности связано с использованием САПР. Автоматизированное проектирование это такой способ проектирования, при котором все этапы проектирования осуществляются при помощи компьютера. Перед проектировщиком встает задача выбора подходов и методов, которые целесообразно использовать, сокращения области получения приемлемых решений, выявления факторов, влияющих на их качество. Однако очень часто эта проблема решается на уровне здравого смысла, что связано с неполнотой и нечеткостью, имеющихся на момент начала проектных работ, знаний. Поэтому актуальной становится задача автоматизированной выработки правил, позволяющих повысить эффективность процесса принятия решений на всех этапах проектирования. Именно решению этой задачи с использованием методов интеллектуального анализа данных и посвящена данная диссертационная работа. В последующих параграфах первой главы будут рассмотрены основные методы и средства ii. При анализе таких подходов будет показано, что решение задач классификации по выявлению признаков и наборов правил, характеризующих группу, имеют ряд значительных недостатков. В связи с этим становится актуальной задача разработки механизма построения правил, лишенного этих недостатков. В качестве такого механизма в работе предлагается использование генетического апгоритма Г А.