- •Раздел 1. Генетические алгоритмы
- •Раздел 2. Решение задач с помощью генетических алгоритмов
- •Раздел 3. Проект внедрения системы
- •Раздел 1 Генетические алгоритмы
- •1.1 Определение га.
- •1.2 Применение га
- •1.4 История генетических алгоритмов.
- •1.5 Алгоритм работы
- •1.5.2 Скрещивание
- •1.5.3 Мутация
- •1.5.4 Критерии остановки
- •1.5.1 Отбор
- •Раздел 2. Решение задач с помощью генетических алгоритмов.
- •2.1 Программное обеспечение
- •2.1.1 Общие сведения
- •Работа с genetic algorithm tool, пример использования.
- •2.2 Математическая постановка задачи
- •2.3 Бинарное решение
- •2.4 Пример решения задачи в MatLab
- •Часть 3. Проект внедрения системы на предприятие
- •Обоснование необходимости внедрения системы
- •Организационная структура проекта
- •3.3 Декомпозиция проекта
- •3.2 Матрица ответственности
- •Ротштейн а.П. "Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети" - Винница: универсум-Винница, 1999. - 320 с.
3.2 Матрица ответственности
Функциональные обязанности |
Куратор проекта (Спонсор) |
Руководитель проекта |
Архитектор системы |
Администратор проекта |
Формирование концептуальных основ системы на предприятии. |
|
|
+ |
|
Подготовительный этап формирования и внедрения. |
|
|
|
+ |
Формирование системы |
|
+ |
|
|
Определение стратегических целей развития и миссии предприятия |
+ |
|
|
|
Анализ внешней среды (внешних предпосылок и факторов) |
|
|
|
+ |
Анализ состояния производственной ситуации предприятия |
|
|
|
+ |
Анализ финансово-хозяйственной ситуации предприятия, определяющих требования к системе |
|
|
|
+ |
Анализ других внутренних факторов, определяющих требования к системе |
|
|
|
+ |
Принятие решения о необходимости внедрения системы |
+ |
+ |
|
|
Формирование системы |
|
|
|
+ |
Создание службы |
|
|
|
+ |
Выбор инструмента отслеживания |
|
+ |
|
|
Автоматизация системы |
|
|
|
+ |
Подготовка и реализация внедрения системы |
|
+ |
|
|
Оценка эффективности |
+ |
|
|
|
Поддержка системы и ее развитие. |
|
+ |
|
|
Заключение
В современном постоянно меняющемся мире риск ошибок непропорционально большой. И нам требуются максимально быстрые и надежные способы решения задач с максимальной эффективностью и минимальным риском.
Генетические алгоритмы – один из выходов в таком вопросе. Это на данный момент постоянно развивающаяся область, новая, но перспективная. В связи с ее универсальностью, ГА можно использовать во многих областях. И для решения стратегических задач в том числе. Существует доказанная польза использования алгоритмов.
Риск же их внедрения при правильном использовании не слишком большой. Максимальный срок внедрения согласно разработанному проекту в районе полугода и не требует особых ресурсов.
ГА лишь один из способов, но из-за универсальности он – один из наиболее доступных. Но требуется обучение персонала. С другой стороны, в связи с тем, что большинство программного обеспечения – это дополнительные утилиты, доступные для бесплатного распространения и не являющиеся полноценными приложениями, - его освоение может занять срок в районе двух недель – месяца.
В связи с этим, делается вывод о допустимости и эффективности внедрения данной системы на предприятие.
Стоит расширять и углублять это направление, находить новые способы применения, создавать новые системы на основе ГА, а так же новое программное обеспеченье на их основе. ГА могут не только находить похожие изображения, но и хотя бы немного снижать уровень неопределенности вокруг нас, давая больший заряд уверенности. Конечно, существую и аналоги, но в своем сегменте ГА прекрасно справляются со своими задачами. Я думаю, так будет и дальше.
Список использованных источников
