МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ДОНЕЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

МЕТОДИЧНІ ВКАЗІВКИ

ДО ВИКОНАННЯ ЛАБОРАТОРНИХ РОБІТ

З курсу “ Еволюційні обчислення в технічних завданнях ”

Для студентів спеціальностей 7.091503, “ Спеціалізовані комп'ютерні системи“ спеціалізація “Комп'ютерні системи медичної та технічної діагностики”(КСД),

Розглянуто на засіданні кафедри

“Автоматизовані системи управління”

Протокол № 1 від 28.08.2008

Затверджено на засіданні навчально-

видавничої ради ДонНТУ

Протокол № 5 від 22.10.08

2008р.

Методичні вказівки до виконання лабораторних робіт за курсом “Еволюційні обчислення в технічних завданнях” (для студентів спеціальності 7.091503 “Спеціалізовані комп'ютерні системи” (СКС) / Укл. Ю.О. Скобцов, С.В. Хмільовий, Т. О. Васяєва - Донецьк, 2008 - 88 с.

Наведено лабораторні роботи, що відповідають робочій програмі курсу, та методику їх виконання. У кожній лабораторній роботі описано мету, загальні відомості, які розкривають основні теоретичні положення, необхідні для реалізації лабораторних завдань. Кожна лабораторна робота має індивідуальні завдання, контрольні запитання, порядок виконання, перелік літератури, а також вимоги до звіту.

Затверджено методичною комісією спеціальності 7.091503 “Спеціалізовані комп'ютерні системи”.

Затверджено методичною комісією спеціальності 7.091503 “Спеціалізовані комп’ютерні системи.”

Укладачі : Юрій Олександрович Скобцов, проф., д.т.н.

Хмільовий Сергій Володимирович, асистент

Васяєва Тетяна Олександрівна, асистент

Рецензент: зав каф СКС Донецького інституту автомобільного транспорту ,

доцент, к.т.н. Омельченко А.А.

ЗМІСТ
ВВЕДЕННЯ……………………………………………………………………	4
Лабораторна робота №1……………………………………………………....	7
Лабораторна робота №2……………………………………………………....	24
Лабораторна робота №3……………………………………………………....	35
Лабораторна робота №4……………………………………………………....	46
СПИСОК ЛІТЕРАТУРИ…………………….....……………………………......	68
ДОДАТОК А. Індивідуальні завдання на ЛР №2…………………....	70
ДОДАТОК Б. Індивідуальні завдання на ЛР №3………………….....	78

Введення

У наш час швидко розвивається новий напрямок у теорії й практиці штучного інтелекту - еволюційні обчислення (ЕО). Цей термін звичайно використовується для загального опису алгоритмів пошуку, оптимізації або навчання, заснованих на деяких формалізованих принципах природного еволюційного відбору. Особливості ідей еволюції й самоорганізації полягають в тому, що вони знаходять підтвердження не тільки для біологічних систем, що розвиваються багато мільярдів років. Ці ідеї в цей час із успіхом використовуються при розробці багатьох технічних і, особливо, програмних систем.

Історія еволюційних обчислень почалася в 60-і роки XX століття, коли різні групи вчених в області кібернетики незалежно друг від друга досліджували можливості застосування принципів еволюції біологічних систем при рішенні різних технічних проблем, як правило, що вимагають рішення завдань оптимізації. Таким чином, був заснований новий науковий напрямок, що у цей час прийнято називати "еволюційними обчисленнями".

Генетичні алгоритми (ГА) були розроблені в Мічиганському університеті американським дослідником Холландом і спочатку розроблені для завдань оптимізації як досить ефективний механізм комбінаторного перебору варіантів рішення. На відміну від робіт багатьох інших дослідників, Холланд не концентрувався на рішенні конкретних завдань, займаючись дослідженням явища адаптації в біологічних системах і застосування його в обчислювальних системах. При цьому потенційне рішення (особина) представляється хромосомою - двійковим кодом. Популяція містить множину особин. У процесі еволюції використовуються три основних генетичних оператори: репродукція, кросинговер і мутація. Голдберг (учень Холланда) успішно розвиває ГА й розширує області його застосування.

Також в 60-х роках у Німеччині И. Рехенберг заклав основи "еволюційних стратегій" (ЕС) при рішенні завдання оптимізації речовинних параметрів у розрахунку ліній електропередачі. Цей напрямок розвивався довгі роки незалежно й тут були отримані важливі фундаментальні результати. В ЭС потенційне рішення - особина є вектором речовинних чисел, популяція складається із двох особин і основним генетичним оператором є мутація.

Д. Фогель незалежно від інших дослідників заснував еволюційне програмування (ЕП), де потенційне рішення представляється кінцевим автоматом. Основним генетичним оператором тут також є мутація, що випадковим образом змінює таблицю переходів-виходів автомата.

Ненабагато пізніше Д. Коза в Массачусетському технологічному інституті США заклав основи генетичного програмування (ГП). Тут як особина виступала програма на LISP, що представлялася деревоподібною структурою. На цих структурах були розроблені генетичні оператори кросинговеру і мутації.

У наш час зазначені напрямки об'єднані в "еволюційні обчислення" (ЕО), які успішно застосовуються при рішенні багатьох проблем. При цьому, окремі напрямки успішно взаємодіють за рахунок запозичення кращих рис один у одного.

Значний внесок у дослідження механізмів адаптації внесли також і вітчизняні вчені - Івахненко О.Г. і Ципкін Я.З. в області систем, що самонавчаються, і Растригін Л.О. в області стохастичної оптимізації. У наш час дослідження з ЕО активно розвиваються в Росії такими вченими, як Букатова І.Л., Курейчик В.М., Батищев Д.І.. і на Україні - Верланем А.Ф., Скурихіним В.І., Вороновським Г.К., а також іншими дослідниками.

У науці й техніці еволюційні обчислення використовуються як адаптивні алгоритми для рішення практичних завдань і як обчислювальна модель еволюції природних систем. ЕО успішно застосовуються при рішенні складних завдань у технічних розробках і в бізнесі. За допомогою ЭО було розроблено багато промислових проектних рішень, які дозволили заощадити мільйони доларів. ЭО широко використаються для прогнозування розвитку фінансових ринків, інвестицій і т.п. Методи ЭО звичайно використовуються для оцінки й вибору (суб)оптимальних безперервних параметрів моделей великої розмірності, для рішення різних NP-повних комбінаторних завдань, у системах видобування знань із великих баз даних (Data mining) і багатьох інших галузях науки й техніки. Слід зазначити, що коли завдання не може бути вирішена іншими, більш простими методами, ЭО часто можуть знайти оптимальні або близькі до них рішення. При цьому обсяг обчислень може виявитися більшим, але швидкість росту складності обчислень при збільшенні розмірності завдання звичайно нижче, ніж в інших відомих методів. Після того, як комп'ютерні системи стали досить швидкодіючими й недорогими, ЭО перетворилися в важливий інструмент пошуку субоптимальных рішень завдань, які до цього вважалися нерозв'язними.

Пропонований навчальний посібник містить основні положення еволюційних обчислень і їхнього додатка при рішенні різних технічних проблем. При його написанні використалися сучасні закордонні й вітчизняні монографії й статті, які наведені в списку літератури.