- •История развития ии
- •История развития ии в России.
- •Философские аспекты в системе ии
- •Основные направления и функции иис Основные направления:
- •Самообучающиеся системы
- •Информационные хранилища.
- •Генетические алгоритмы
- •Классический генетический алгоритм.
- •Применение генетических алгоритмов.
- •Основные классы экспертных систем
- •Этапы разработки экспертных систем
- •Базовые функции экспертных систем
- •Интеллектуальный интерфейс
- •Нейронные сети
- •Правило вычисления сигнала активности
- •Функций активности
- •Модели нейронных сетей.
- •Достоинства нейронных сетей перед традиционными вычислительными системами.
- •Недостатки нейронных сетей
- •Основные режимы работы экспертных систем
- •Базовые функции экспертных систем
- •Получение знаний
- •Представление знаний
- •Логическая модель представления знаний.
- •Основные понятия логики высказываний и логики предикатов.
- •Семантические сети, их классификация и принципы построения
- •Продукционная модель представления знаний
- •Классификация ядер продукции.
- •Достоинства продукционной системы:
- •Недостатки продукционной системы:
- •Фреймовая модель (из лекции по дисциплине «Представление знаний») Характерные особенности моделей представления знаний применительно к процессу разработки бз
- •Проектирование базы знаний.
- •Структура бз и взаимодействие с другими компонентами ис.
Генетические алгоритмы
Генетический алгоритм – это эвристический алгоритм поиска используемый для задач поиска и моделирования путём случайного подбора комбинирования и вариации искомых параметров с использованием механизмов напоминающих биологическую эволюцию. Генетический алгоритм является разновидность эволюц вычислений. Впервые был предложил Ждном Ховальдом в 1975 году. Генетический алгоритм в отличие от традиционных методов оптимизации делают Обрабатывают не значение параметров самой задачи, а их закодированную форму, осуществляют поиск решения исходя не из единственной точки, а из их некоторой популяции, используют только целевую функцию, а не её производные; применяют вероятностные, а не детерминированные правила выбора. Базовыми понятиями являются заимственными из биологии: ген, хромосома, генотип, биотип, аллель; и технической: цепь, двоичная последовательность, структура. Наиболее часто встречающиеся разновидности ГА для предоставления генотипа объекта, применяются видовые строки. Ген представляют собой видовую строку, чаще всего фиксированной длины, кот представляют собой значение видового…..
Функция приспособленности – эта функция предоставляет оценить степень приспособленности конкретных особей популяции и выбрать из них наиболее приспособленные в соответствии с эволюционными принципами выживания сильнейших. Очередная популяция в генетическом алгоритме называется поколение. К вновь создаваемой особи новое поколение.
Классический генетический алгоритм.
1 шаг: инициализация или выбор исходных популяций хромосом
Оценка приспособленности хромосом к популяции
Проверка условия остановки алгоритма
Селекция хромосом
Применение генетических операторов
Формирование новой популяции
Выбор наилучшей хромосомы
Работа генетического алгоритма представляет собой итерационный процесс, который продолжается до тех пор, пока не выполнится заданное число поколений или какой либо иной критерий остановки. На каждом поколении генетический алгоритм реализуется отбор пропорциональной приспособленности: кроссовер и мутация.
1й шаг. Инициализация заключается в случайном выборе хромосом представляемом двоичными последовательностями фиксированной длины.
2й шаг. Оценивание приспособленности состоит в расчёте функции приспособленности для каждой хромосомы этой популяции. Чем больше значение этой функции, тем выше качество хромосомы. Форма функции приспособленности зависит от характера решаемой задачи.
3й шаг. Проверка условий остановки алгоритма
4й шаг. Селекция хромосом заключается в выборе тех хромосом, которые будут участвовать в создании потомков для следующей популяции. Отбор производится в соответствии с естественным отбором, по которому наибольшие шансы на участие в создание новых особей, имеют хромосомы с наибольшей функцией приспособленности. Самый клёвый метод рулетки. В результате селекции создаётся родительская популяция с численностью равной численности текущей популяции.
5й шаг. Применение генетических операторов Оператор скрещивания (кроссовер) и оператор мутации. Оператор скрещивания определяет передачу признаков родителей потомкам. Действует след образом:
Из популяции выбираются 2 особи которые будут родителями.
Случайным образом выбирается точка разрыва
Потомок определяется как соединение 1го и 2го родителя.
При использовании оператора мутации, каждый бит в хромосоме с определённой вероятностью инвертируется
6й шаг. Хромосома полученная в результате генетических операторов, включается в состав новой популяции
7 шаг. Выбор наилучшей хромосомы.