7.4. Расчётно-логические системы, системы с генетическими алгоритмами

Повышение степени автоматизации всех информационных процессов в системах управления обуславливает необходимость применения соответствующих информационных технологий.

Дальнейшее повышение оперативности управления в условиях возможного противодействия и несанкционированного доступа, а также необходимости обработки больших объёмов информации на территориально распределённых объектах обуславливает необходимость развития технологии распределённых вычислений. Эта технология предполагает создание компьютерной инфраструктуры, обеспечивающей глобальную интеграцию информационных и вычислительных ресурсов на основе управляющего и оптимизирующего программного обеспечения нового поколения.⁶⁹ Если в обычной системе пользователь может работать только с теми ресурсами, где он зарегистрирован, то при использовании распределённых вычислений система сама регулирует поиск свободных ресурсов и осуществляет обращение к хранилищам данных.

Большое значение для сокращения времени обработки информации приобретают интеллектуальные информационные технологии.

Представляется, что в системах управления нового поколения наибольшее распространение могут получить следующие технологии:

• расчётно-логические системы;

• интеллектуальные агенты;

• мультиагентные системы.

Расчётно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В общем случае, по описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.⁷⁰

Система интеллектуальных агентов представляет собой основанную на знаниях систему, способную к автономным целенаправленным действиям. В общем случае интеллектуальный агент реализует функции восприятия, интерпретации внешней ситуации (включая задачи мониторинга), прогнозирования и планирования (принятия решений).⁷¹

Мультиагентная система может рассматриваться как сильно связанная сеть ряда модулей (агентов), совместно обеспечивающая решение задач, которые могут выходить за рамки возможностей индивидуальных агентов.

Весьма перспективным представляется также применение ряда информационных технологий, которые к настоящему времени еще не получили широкого распространения.

Так, управляемая моделью архитектура – это технология, описывающая подход, при котором функциональность приложений отделяется от технических деталей реализации.⁷² Основные преимущества архитектуры, управляемой моделью, заключаются в предоставлении возможности сосредоточиться на функциональности приложения, а не на особенностях аппаратно-программной платформы, для которой ведётся разработка, а также в возможности создавать приложения, способные модифицировать свое поведение при изменении модели.

Ячеистые сенсорные сети представляют собой беспроводные сети, которые в дополнение к системе базовых точек доступа могут достраивать себя за счёт подключаемых устройств пользователей (компьютеров, мобильных терминалов и т. п.), которые становятся узлами сети и принимают участие в передаче данных, что делает систему более надёжной и производительной. При этом в качестве узлов выступают устройства со встроенной логикой.

Сервисно-ориентированная архитектура предоставляет информационные ресурсы в виде набора сервисов, которые доступны в сети стандартным образом, не требуют от пользователей знаний о способе их реализации и легко переориентируются для разных пользователей. Наиболее распространенным воплощением этой технологии являются wеb-сервисы.

Приложения, использующие данные о местоположении – это мобильные приложения, которые привязываются к географическому положению пользователя, основанному на данных определения его местоположения, получаемых от навигационных систем.⁷³ Данная технология позволяет обеспечить первоочередное получение пользователем той информации, которая наиболее необходима ему применительно к его географическому положению.

Функционирование информационных систем в условиях информационного противоборства предопределяет необходимость совершенствования и развития технологий защиты информации, в том числе технологий идентификации и аутентификации, шифрования, маскировки трафика, защиты программного обеспечения, антивирусной защиты.

Реализация возможностей новых информационных технологий в полном объёме возможна только при адекватном развитии телекоммуникационной составляющей системы управления.

Говоря о системах с генетическими алгоритмами, необходимо сказать, что «отцом-основателем» генетических алгоритмов считается Джон Холланд (John Henry Holland), книга которого «Адаптация в естественных и искусственных системах» (1975)⁷⁴ является основополагающим трудом в этой области исследований. Ему же принадлежит доказательство теоремы схем.

Генети́ческий алгори́тм (англ. genetic algorithm) – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений.⁷⁵

Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.

Описание алгоритма

Задача формализуется таким образом, чтобы её решение могло быть закодировано в виде вектора («генотипа») генов, где каждый ген может быть битом⁷⁶, числом или неким другим объектом. В классических реализациях генетического алгоритма (ГА) предполагается, что генотип имеет фиксированную длину. Однако существуют вариации ГА, свободные от этого ограничения.⁷⁷

Некоторым, обычно случайным, образом создаётся множество генотипов начальной популяции.⁷⁸ Они оцениваются с использованием «функции приспособленности», в результате чего с каждым генотипом ассоциируется определённое значение («приспособленность»), которое определяет, насколько хорошо фенотип им описываемый, решает поставленную задачу.⁷⁹

Из полученного множества («поколения») решений с учётом значения «приспособленности» выбираются решения (обычно лучшие особи имеют бóльшую вероятность быть выбранными), к которым применяются «генетические операторы» (в большинстве случаев «скрещивание» – crossover и «мутация» – mutation), результатом чего является получение новых решений. Для них также вычисляется значение приспособленности, и затем производится отбор («селекция») лучших решений в следующее поколение.

Этот набор действий повторяется итеративно. Так моделируется «эволюционный процесс», продолжающийся несколько жизненных циклов (поколений), пока не будет выполнен критерий остановки алгоритма. Таким критерием может быть:

• нахождение глобального, либо субоптимального решения;

• исчерпание числа поколений, отпущенных на эволюцию;

• исчерпание времени, отпущенного на эволюцию.

Генетические алгоритмы служат, главным образом, для поиска решений в многомерных пространствах поиска.

Таким образом, можно выделить следующие этапы генетического алгоритма:

1. Задать целевую функцию (приспособленности) для особей популяции.

2. Создать начальную популяцию.