Модели, алгоритмы и комплекс программ исследования многопараметрических систем

• Автор: Мокшин, Владимир Васильевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Казань
• Количество страниц: 187 с. : ил.

ВВЕДЕНИЕ

1. МОДЕЛИРОВАНИЕ МНОГОПАРАМЕТРИЧЕСКИХ СИСТЕМ.

1.1. Проблемы разработки модели многопарамстричсских систем

1.1.1. Определение многопараметрической системы

1.1.2. Виды моделирования многопараметрических систем

1.1.3. Задачи систем поддержки принятия решения

1.1.4. Методы и системы анализа данных.

1.1.5. Метод,I и задачи ii.

1.1.6. Модель черного ящика

1.3. Методы отбора признаков для моделирования многопарамефической системы

1.3.1. Частный тест

1.3.2. Метод прямого отбора i
1.3.3. Метод обратного исключения iii.
1.3.4. Метод последовательного отбора i.
1.3.5. Отбор на основе лучших подмножеств .
1.3.6. Отбор признаков на основе генетического алгоритма.
1.3.7. Проблемы формирования нелинейной регрессионной модели многопараметрической системы.
1.4. Определение оптимальных значений показателей
многопараметрической системы.
1.5. Предпосылки использования параллельных вычислений и методов нечеткой логики в решении задач моделирования многопараметрической системы
1.6. Постановка задачи по формированию нелинейной регрессионной модели многопараметрической системы
1.7. Выводы
2. ФОРМИРОВАНИЕ НЕЛИНЕЙНОЙ РЕГРЕССИОННОЙ МОДЕЛИ МНОГОПАРАМЕТРИЧЕСКОЙ СИСТЕМЫ.
2.1. Обобщенная модель многопараметрической системы
2.1.1. Метод группового учета аргументов.
2.1.2. Регрессионный анализ
2.2. Методика формирования нелинейной регрессионной модели для многопараметрической системы.
2.3. Генетический алгоритм отбора признаков
2.4. Разработка параллельного генетического алгоритма отбора значимых признаков и определение наилучшего количества эволюционных путей
2.4.1. Параметры эволюционного пути
2.4.2. Критерий останова для каждого эволюционного пути
2.5. Разработка алгоритма формирования структуры нелинейных регрессионных моделей
2.6. Определение оптимальных значений признаков на основе метода упорядоченного предпочтения через сходство с идеальным решением
2.6.1. Обобщенная задача поиска оптимальных значений признаков
2.6.2. Описание метода упорядоченного предпочтения через сходство с идеальным решением.
2.6.3. Свойства метода упорядоченного предпочтения через сходство с идеальным решением.
2.6.4. Алгоритм работы модифицированного метода упорядоченного предпочтения через сходство с идеальным решением.
2.7. Выводы
3. ИССЛЕДОВАНИЕ МЕТОДА ФОРМИРОВАНИЯ НЕЛИНЕЙНОЙ РЕГРЕССИОННОЙ МОДЕЛИ.
3.1. Описание разработанного программного обеспечения
3.1.1. Назначение программного комплекса.
3.1.2. Определение количества поколений для параллельного генетического алгоритма отбора признаков.
3.1.3. Определение количества параллельных эволюционных путей
3.1.4.Влияние количества параллельных эволюционных путей на определение значимых признаков.
3.1.5. Формирование структуры регрессионных моделей
3.1.6. Определение оптимальных значений показателей системы
3.2. Сравнение разработанного метода формирования полиномиальной модели для анализа сложной системы с другими методами.
3.3. Устойчивость алгоритма отбора значимых признаков к помехам
3.4. Хранение многомерного массива данных отбора признаков
3.5. Определение количества процессоров для решения задачи
3.6. Выводы.
4. РЕШЕНИЕ ЗАДАЧИ ФОРМИРОВАНИЯ НЕЛИНЕЙНЙ РЕГРЕССИОННОЙ МОДЕЛИ НА ОСНОВЕ РАЗРАБОТАННОГО МЕТОДА
4.1. Применение метода формирования нелинейной регрессионной модели исследования для машиностроительного предприятия
4.1.1. Отбор для исследования производственноэкономических показателей состояния машиностроительного предприятия.
4.1.2. Пример отбора значимых признаков, характеризующих функционирование производственного предприятия
4.1.3. Формирование структуры регрессионных зависимостей с учетом отобранных значимых входных признаков.
4.1.4. Оценка степени влияния производственно экономических факторов на результативные показатели эффективности.
4.1.5. Поиск оптимальных значений показателей системы на основе метода упорядоченного предпочтения через сходство с идеальным решением
4.2. Моделирование предприятия почтовой связи.
4.2.1. Отбор для исследования производственноэкономических показателей состояния предприятия почтовой связи
4.2.2. Факторный анализ социальноэкономических факторов.
г. Елабуга.
4.2.3. Факторный анализ тарифов, устанавливаемых РТ
4.2.4. Факторный анализ тарифов, устанавливаемых РФ
4.2.5. Построение модели функционирования предприятия на основе разработанного метода формирования нелинейной регрессионной модели.
4.2.6. Разработка эффективных решений поиска оптимальных значений показателей многопараметрической системы.
4.3. Выводы
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Диссертация выполнена на кафедре автоматизированных систем, обработки информации и управления АСОИУ Казанское государственного технического университета им. А.Ы. Туполеве КАИ. Автор выражает искреннюю благодарность своему научному руководителю кандидату технических наук, доценту Якимову Игорю 1Максимовичу за постоянное внимание и ценные советы, а также коллективу кафедры АСОИУ за поддержку и ценные советы. В данной главе рассматриваются общие вопросы и проблемы моделирования многопараметрических систем. Анализируются существующие модели, методы и способы формирования моделей многопараметрических систем. Проводится анализ основных проблем, возникающих при решении задачи отбора значимых признаков в нелинейную регрессионную модель по статистическим наборам данных. Обосновывается необходимость разработки методов для включения в модель значимых признаков с целью повышения качества формируемой нелинейной регрессионной модели, а следовательно, и повышения качества определения оптимальных значений показателей многопараметрической системы. Проблемы разработки модели многопараметрических систем 1. На сегодняшний день много работ посвящено моделированию многопараметрических систем и их анализа , . Под многопараметрической системойпонимается сложная система СС как составнойобъект, части которой можно рассматривать в виде отдельных систем, объединенных в единое целое в соответствии с определенными принципами или связанные между собой заданными отношениями. Части сложной системы подсистемы можно расчленить часто лишь условно на более мелкие подсистемы и т. Свойства сложной системы в целом определяются как свойствами составляющих ее элементов, так и характером взаимодействия между ними . Далее многопараметрическая система будет пониматься как сложная система. Моделирование многопараметрических систем предполагает исследование объектов познания на их моделях, построение и изучение реально существующих предметов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя 9. Наибольший вклад в формализацию представлений о сложных системах был сделан в связи с развитием автоматизированных систем управления 2,3,7,. Под автоматизированной системой понимается программноаппаратный комплекс, выполненный на базе средств измерительной и вычислительной техники, предназначенный для решения задач управления на основе получения и использования моделей объекта управления 5. Система понятие относительное. На одном уровне иерархии элемент системы сам является системой, на другом уровне система есть элемент более крупной системы. Поэтому определения системы должны дополняться классификациями и уточнениями 3, . Динамика поведения элемента СС проявляется в том, что состояние элемента и его ответные реакции воздействия на внешнюю среду и др. СС в каждый момент времени определяются предыдущими состояниями и входными признаками воздействиями со стороны внешней среды и других элементов СС, поступившими как в данный момент времени, так и ранее 7, . Под внешней средой понимается совокупность объектов, не являющихся элементами данной СС, но взаимодействие с которыми учитывают при е изучении. Элементы СС функционируют не изолированно друг от друга, а во взаимодействии свойства одного элемента в общем случае зависят от условий, определяемых поведением других элементов. Свойства СС в целом определяются не только свойствами элементов, но и характером взаимодействия между ними 2, 6, , . В результате больших объемов информации возникают проблемы, связанные с моделированиехМ и определением оптимальных значений многопараметрической системы. Эти проблемы определяются тем, какую информацию о сложной системе нужно учитывать, какие признаки при этом учитывать и как получить эффективное решение. Например, на производственных предприятиях, возникает вопрос как и каким образом увеличить прибыль от продаж и т. Другой пример. Зачастую возникает необходимость выбора среди множества альтернатив наиболее подходящую альтернативу 8, , , , удовлетворяющую заданным требованиям и т. Детерминированное моделирование отображает детерминированные процессы, т.