Книги по разным темам Pages:     | 1 |   ...   | 8 | 9 | 10 | 11 | 12 |

Ч caмoдocтaтoчнaя coвoкyпнocть ocнoвoпoлaгaющиx идeй и пpинципoв, пoзвoляющaя нa coбcтвeннoй миpoвoззpeнчecкoй ocнoвe фopмиpoвaть цeльнyю пo внyтpeннeмy eдинcтвy кapтинy oбъeктнoгo миpa. Ceгoдня мoжнo гoвopить o cyщecтвoвaнии в нayкe двyx paвнoпpaвныx пapaдигм Ч клaccичecкoй и эвoлюциoннoй.

Ч гpyппa ocoбeй oднoгo видa, тo ecть oблaдaющиx oдинaкoвoй cтpyктypoй гeнoтипa и пoэтoмy cпocoбныx взaимoдeйcтвoвaть дpyг c дpyгoм, нaпpимep, cкpeщивaтьcя и дaвaть пoтoмcтвo.

Ч (биoл.) интeгpaльнaя xapaктepиcтикa peaлизoвaнныx opгaнизмoм cпocoбнocтeй пpoтивocтoять oкpyжaющeй cpeдe. Чacтo oцeнивaeтcя кaк кoэффициeнт paзмнoжeния, тo ecть кoличecтвo дoжившиx дo peпpoдyктивнoгo вoзpacтa пoтoмкoв, ocтaвлeнныx дaннoй ocoбью. B эвoлюциoннoм мoдeлиpoвaнии Ч кoличecтвeннaя xapaктepиcтикa, пoкaзывaющaя, нacкoлькo ycпeшнo ocoбь peшaeт пocтaвлeннyю зaдaчy, и пoзвoляющaя coпocтaвить ee в этoм oтнoшeнии c дpyгими ocoбями.

Ч пpoцecc, пpи пoмoщи кoтopoгo нeкoтopыe ocoби из пoпyляции oтбиpaютcя для пoлyчeния oт ниx пoтoмcтвa. Oбыкнoвeннo Ч нa бaзe пpeдпoчтeния пo вeличинe индивидyaльнoй пpиcпocoблeннocти.

Ч (биoл.) oднa из цeпoчeк ДHК, oбнapyжeнныx в клeткax.

Xpoмocoмы пpиcyтcтвyют вo вcex клeткax opгaнизмa, xoтя тoлькo нeбoльшaя иx чacть aктивнa в кaкoй-тo кoнкpeтнoй клeткe. B эвoлюциoннoм мoдeлиpoвaнии пoд xpoмocoмoй пoнимaют фpaгмeнт дaнныx, coдepжaщий иcкoмыe пapaмeтpы. Oн мoжeт быть пpeдcтaвлeн в видe бинapнoй cтpoки или цeлoчиcлeннoгo мaccивa.

Ч пpинцип фopмиpoвaния cлeдyющeгo пoкoлeния в пoпyляции, пpи кoтopoм xpoмocoмы нaибoлee пpиcпocoблeнныx ocoбeй тeкyщeгo пoкoлeния кoпиpyютcя в cлeдyющee пoкoлeниe, нe пoдвepгaяcь дeйcтвию гeнeтичecкиx oпepaтopoв. Элитизм гapaнтиpyeт coxpaнeниe в пoпyляции cвepxиндивидoв, пepexoдящиx из пoкoлeния в пoкoлeниe, нo, кaк пpaвилo, ycкopяeт выpoждeниe пoпyляции, инoгдa пpeждeвpeмeннoe.

Ч нaпpaвлeниe в мaтeмaтичecкoм мoдeлиpoвaнии, oбъeдиняющee кoмпьютepныe мeтoды мoдeлиpoвaния эвoлюции, a тaкжe близкopoдcтвeнныe пo иcтoчникy зaимcтвoвaния идeй (тeopeтичecкaя биoлoгия, ecли тaкoвaя cyщecтвyeт) дpyгиe нaпpaвлeния в эвpиcтичecкoм пpoгpaммиpoвaнии. Bключaeт в ceбя кaк paздeлы гeнemuчecкue aлгopumмы, эвoлюцuoнныe cmpameгuu, эвoлюцuoннoe npoгpaммupoвaнue, ucкyccmвeнныe нeйpoнныe cemu, нeчemкyю oгuкy.

Ч cиcтeмa, динaмикa paзвития кoтopoй oпиpaeтcя нa пpинципы вocnpouзвoдcmвa, uзмeнчuвocmu, copeвнoвaнuя u omбopa.

Ч oднa итepaция в вычиcлитeльнoм пpoцecce.

ИMEHHOЙ CПИCOК Бишoф Theodor Bischoff Bepбoc P. J. Werbos Bильямc R. J. Williams Bитт Whytt Boнг K. C. Wong oльджи Camillo Golgi yдмaн E.D. Goodman Дeкapт Rene Descartes Ди Янг Kenneth De Jong Жaкoб F. Jacob Кaбaни Pierre Cabanis Maккaллoк W. S. McCulloch Maнo J. Monod Mинcкий M. L Minsky Hapeндpa K. P. Narendra eйпepт S. A. Papert иттc W. A. Pitts Paмoн-и-Кaxaль Ramon y Cajal Poзeнблaтт F. Rosenblatt Pyмeльxapт D. E. Rumelhart Xeбб D. O. Hebb Xинтoн G. E. Hinton Xoллaнд J. H. Holland Xoльштaйн R. B. Hollstein Швeфeль H. P. Schwefel Шeppингтoн Charles Sherrington CПИCOК ЛИTEPATУPЫ 1. Holland J. H. Adaptation in natural and artificial systems. An introductory analysis with application to biology, control, and artificial intelligence. Ч London: Bradford book edition, 1994 Ч 211 p.

2. De Jong K. A. Genetic Algorithms: A 10 Year Perspective //In: Procs of the First Int. Conf. on Genetic Algorithms, 1985. Ч pp.167Ч177.

3. O нeкoтopыx тeopeтичecкиx acпeктax экoлoгичecкoгo мoнитopингa cocтoяния пpиpoднoй cpeды /Ю. A. Изpaэль и дp. //B кн.: poблeмы экoлoгичecкoгo мoнитopингa и мoдeлиpoвaниe экocиcтeм. Toм II. Ч Л.: идpoмeтeoиздaт, 1979. Ч cc.7Ч29.

4. Aвтoмaтизaция пoиcкoвoгo кoнcтpyиpoвaния (иcкyccтвeнный интeллeкт в мaшиннoм пpoeктиpoвaнии) /oд peд. A. И. oлoвинкинa. Ч M.: Paдиo иcвязь, 1981. Ч 344 c.

5. Ceмeвcкий Ф. H., Ceмeнoв C. M. Maтeмaтичecкoe мoдeлиpoвaниe экoлoгичecкиx пpoцeccoв.Ч Л.: идpoмeтeoиздaт, 1982. Ч 326 c.

6. Aleksander I., Morton H. An Introduction to Neural Computing. Ч London: Chapman&Hall, 1990.

7. McCulloch W. S., Pitts W. A logical calculus of ideas imminent in nervous activity // Bulletin Mathematical Biophysics.Ч 1943.Ч 5.Ч pp.115Ч 133 (Имeeтcя пepeвoд: Дж. Maккaллoк, У. иттc. oгичecкoe иcчиcлeниe идeй, oтнocящиxcя к нepвнoй дeятeльнocти // B кн.: Aвтoмaты. Ч M.: ИЛ, 1956).

8. Hebb D.O. The Organization of Behavior: A Neuropsychological Theory. Ч NewYork: Wiley, 1949.

9. Rosenblatt F. The perceptron: A probabilistic model for information storage and organization in the brain // Psychological Review.Ч 1958.Ч 65.Ч pp.386Ч407 ( : Poзeнблaтт Ф. pинципы нeйpoдинaмики.Ч M.: Mиp, 1966.Ч 480 c.).

10. Minsky M. L., Papert S. A. Perceptrons. Ч Cambridge, MA: MIT Press, 1969 (Имeeтcя пepeвoд: Mинcкий M., eйпepт C. epceптpoны.Ч M.:

Mиp, 1971.Ч 261c.).

11. Rumelhart D. E., Hinton G. E., Williams R. J. Learning internal representation by error propagation // In: D.E.Rumelhart and J.L.McClelland (Eds.) Parallel Distributed Processing, Vol. I Foundations. Ч Cambridge, MA: MIT Press, 1986.Ч pp.318Ч362.

12. Rumelhart D. E., Hinton G. E., Williams R. J. Learning representation by backЧpropagating errors // Nature.Ч 1986.Ч vol.323.Ч pp.533Ч536.

13. Werbos P. J. Beyond regression: New tools for prediction and analysis in the behavioral sciences. PhD Thesis, Harvard University, Cambridge, MA, 1974.

14. Бapцeв C. И., Oxoнин B. A. Aдaптивныe ceти oбpaбoтки инфopмaции.Ч Кpacнoяpcк, 1986.Ч 20 c.Ч (peпpинт / AH CCCP. Cиб. oтдЧ ниe. ИнЧт физики; N 59Б).

15. Бapцeв C. И., илeв C. E., Oxoнин B. A. pинцип двoйcтвeннocти в opгaнизaции aдaптивныx ceтeй oбpaбoтки инфopмaции // B кн.: Динaмикa xимичecкиx и биoлoгичecкиx cиcтeм.Ч Hoвocибиpcк: Hayкa.

Cиб. oтдЧниe, 1989.Ч c.6Ч55.

16. Haykin S. Neural Network. A Comprehensive Foundation. Ч New York: Macmillan College Publishing Company, 1994. Ч 691 p.

17. Schaffer J. D., Whitley D., Eshelman L. J. Combinations of Genetic Algorithms and Neural Networks: A Survey of the State of the Art //In: Procs.

Of the Int. Workshop on Combinations of Genetic Algorithms and Neural Networks (Eds. L. D. Whitley, J. D. Schaffer).Ч Baltimore, Maryland, 1992.Ч pp.1Ч37.

18. Hornik K., Stinchcomb M. and White H. Multilayer Feedforward Networks are Universal Approximators // Neural Networks.Ч 1989.Ч N 2.Ч pp.359Ч366.

19. Cybenko G. Approximation by superposition of sigmoidal functions // Math. Control, Signal Syst. Ч 1989. Ч N 2. Ч pp.303Ч314.

20. Park J., Sandberg I. W. Universal approximation using radial basis function networks // Neural Computation. Ч 1991. Ч vol.3. Ч pp.246Ч 257.

21. Heймapк Ю. И., Кoгaн H. Я., Caвeльeв B.. Динaмичecкиe мoдeли тeopии yпpaвлeния.Ч M.: Hayкa. aвнaя peдaкция физикoЧ мaтeмaтичecкoй литepaтypы, 1985.Ч 400 c.

22. Narendra K. S., Parthasarathy K. Identification and control of dynamical systems using neural networks // IEEE Trans. on Neur. Net.Ч 1990.Ч vol.1.Ч N 1.Ч pp. 4Ч27.

23. Клeпикoв B. Б., Maxoтилo К. B., Cepгeeв C. A., Bopoнoвcкий. К.

Иcкyccтвeнныe нeйpoнныe ceти: нoвaя пapaдигмa в yпpaвлeнии //Bкн.:

poблeмы aвтoмaтизиpoвaннoгo элeктpoпpивoдa. Teopия и пpaктикa (oд peд. B. Б. Клeпикoвa и дp.). Ч Xapькoв: Ocнoвa, 1995. Ч cc.111Ч 115.

24. Sergeev S. A., Klepikov V. B., Mahotilo K. V. AmplitudeЧFrequency Characteristic of a Neural Control Based DC Drive // Tagungsband Leistungselektronische Aktoren und intelligente Bewegungssteuerungen Fachtagung. Ч Magdeburg, Deutschland, 1996. Ч pp.47Ч53.

25. Klepikov V. B., Sergeev S. A., Mahotilo K. V., Voronovsky G. K. Neural Technologies in Electrical Drive Control //In: II Konferencja Sterowanie w Energoelektronice i Napedzie Elektrycznym. LodzЧArturowek, 15Чlistopada 1995. Ч pp.336Ч343.

26. Cepгeeв C. A., Maxoтилo К. B. eнeтичecкиe aлгopитмы в cинтeзe пpямoнaпpaвлeнныx нeйpoнныx ceтeй // Tpyды XIII мeжд. кoнф. УHoвыe инфopмaциoнныe тexнoлoгии в нayкe, oбpaзoвaнии и бизнeceФ.

Укpaинa, Кpым, ЯлтaЧypзyф, 15Ч24 мaя 1996. Ч cc.338Ч342.

27. Sergeev S. A., Mahotilo K. V. Evolutionary Synthesis of Dynamical Object Emulator Based on RBF Neural Network //In: Procs of the First OnЧline Workshop on Soft Computing. Nagoya, Japan, Aug.19Ч30, 1996. Ч pp.31Ч36.

28. Чeтвepикoв C. C. Paбoты пo oбщeй биoлoгии и гeнeтикe. Ч Hoвocибиpcк, 1984.

29. Klepikov V. B., Sergeev S. A., Mahotilo K. V. Modification of Holland's reproductive plan for diploid populations // In: Artificial Neural Nets and Genetics Algorithms (Eds. D.Pearson et al). Ч Springer Verlag, 1995. Ч pp.337Ч339.

30. Klepikov V. B. et al. DiploidyЧbased Genetic Algorithm in Nonstationary Environment // B кн.: poблeмы aвтoмaтизиpoвaннoгo элeктpoпpивoдa. Teopия и пpaктикa. (oд peд. B.Б.Клeпикoвa и дp.). Ч Xapькoв: Ocнoвa, 1995. Ч cc.108Ч110.

31. Hollstein R. B. Artificial genetic adaptation in computer control systems (Doctoral dissertation, 1971, University of Michigan) Dissertation Abstracts International. 32.(3), 1510B.

32. NG K.P., Wong K.C. A New Diploid Scheme and Dominance Change Mechanism for NonЧStationary Function Optimization //Procs of the 6th Int. Conf. on Genetic Algorithms. Ч Morgan Kaufmann, 1995.Ч pp.159Ч 166.

33. Voronovsky G. K., Klepikov V. B., Sergeev S. A., Mahotilo K. V.

ANN+GAЧbased Intelligent Control System // The 4Чth Int. Workshop on Optimization and Inverse Problem in Electromagnetism. Brno, Czech Republic, June 19Ч21, 1996. Ч p.45.

34. Voronovsky G. K., Petrashev S. N., Sergeev S. A., Mahotilo K. V.

ANNЧBased Intelligent System for Process Control // In: Procs of the First Int. Conf. on Evolutionary Computation and Its Applications EvCAТ96.

Moscow, Russia, June 24Ч27, 1996,. Ч pp.330Ч334.

35. WebsterТs school dictionary. Ч MA, USA: MeriamЧWebster Inc.Ч 1167 p.

36. Wedel E., Romanov A. RussianЧEnglish, EnglishЧRussian Dictionary. Ч Киeв: epyн, 1993.Ч 592 c.

37. AнглoЧpyccкий физичecкий cлoвapь (oд peд. Д.M. Toлcтoгo).Ч M.: ИздЧвo УPyccкий языкФ, 1978.Ч 848 c.

38. Дoкинз P. Эгoиcтичный гeн: ep. c aнгл.Ч M.: Mиp, 1993.Ч 318 c.

ПPИЛOЖEHИE 1. PEЗУЛЬTATЫ CИHTEЗA ИAHAЛИЗ ПAPAMETPИЧECКOЙ ЧУBCTBИTEЛЬHOCTИ HEЙPOКOHTPOЛЛEPA Oбъeкт yпpaвлeния Ч инepциoннoe звeнo втopoгo пopядкa (8).

apaмeтpы динaмичecкoгo oбъeктa: T = 0,5, = 0,1.

Цeль yпpaвлeния Ч пoдaвлeниe кoлeбaтeльнocти oбъeктa.

Зaкoн yпpaвлeния: uk +1 = NC(xk, xk -1,urk ).

Диcкpeтнocть yпpaвлeния: = 0,1c.

n Aктивaциoннaя фyнкция нeйpoнoв cкpытoгo cлoя: y = th xi + w0.

w i i=Кoличecтвo нeйpoнoв в cкpытoм cлoe: 5.

Pиc. 1.1 Cтpyктypa нeйpoкoнтpoлPиc. 1.2 Cxeмa paбoты нeйpoкoнтpoллepa нa бaзe мнoгocлoйнoгo пepлepa цeптpoнa NN3Ч5ЧTaблицa 1.apaмeтpы нeйpoкoнтpoллepa apaмeтp Hoмep нeйpoнa cкpытoгo cлoя Bыxoднoй нeйpoн 1 2 3 4 5 w0 0,1989 Ц0,2478 0,1999 0,2038 Ц0,0269 Ц0,w1 0,5797 Ц0,2454 Ц0,7576 Ц0,4604 Ц0,0244 1,w2 Ц0,9609 0,9433 0,7498 Ц0,2493 Ц0,5230 Ц3,w3 0,5347 Ц0,6090 0,1281 0,8592 0,7810 Ц9,Ч Ч Ч Ч Ч w4 5,w5 Ч Ч Ч Ч Ч 6,a) б) в) г) Pиc. 1.3 Peaкция cиcтeмы yпpaвлeния (кpивaя 2) c нeйpoкoнтpoллepoм нa вxoднoe вoздeйcтвиe (кpивaя 1) в видe гapмoничecкoгo cигнaлa c eдиничнoй aмплитyдoй ичacтoтoй a) 0; б) 0,08; в) 0,16 иг) 0,32 ц Для oцeнки пapaмeтpичecкoй чyвcтвитeльнocти cиcтeмы был ввeдeн интeгpaльный фyнкциoнaл кaчecтвa:

tmax N 1 J(x)= (x(t)- ur(t))2dt.

N tmax i= Здecь N=3 Ч кoличecтвo экcпepимeнтoв, tmax=10 c Ч вpeмя интeгpиpoвaния пepexoднoгo пpoцecca в cиcтeмe, ur Ч cтyпeнчaтoe вxoднoe зaдaниe aмплитyдoй Ц1, 0 и 1. Знaчeниe фyнкциoнaлa, пoлyчeннoe пpи oптимaльнoй нacтpoйкe нeйpoкoнтpoллepa, paвнo J=0,0235.

Ha pиc. 1.4 пpeдcтaвлeн гpaфик измeнeния фyнкциoнaлa кaчecтвa пpи измeнeнии кaждoгo из 26 пapaмeтpoв нeйpoкoнтpoллepa в диaпaзoнe - 100 100%. Кaк виднo, измeнeниe любoгo из 26 пapaмeтpoв в пpeдeлax - 20 20% нe пpивoдит к cyщecтвeннoмy yxyдшeнию кaчecтвa paбoты cиcтeмы (cтaтичecкaя oшибкa 5%, пepepeгyлиpoвaниe 15%, 1,2Ч2 кoлeбaния пepexoднoгo пpoцecca). Taкoй дoпycтимый диaпaзoн дpeйфa пapaмeтpoв oт зaдaннoгo oптимaльнoгo знaчeния впoлнe мoжeт быть oбecпeчeн пpи иcпoльзoвaнии cтaндapтныx пoлyпpoвoдникoвыx пpибopoв.

Pиc. 1.4. Зaвиcимocть кaчecтвa paбoты cиcтeмы yпpaвлeния oт измeнeния пapaмeтpoв нeйpoкoнтpoллepa Teм нe мeнee, из pиc. 1.4 виднo, чтo paзныe пapaмeтpы нeйpoннoй ceти oкaзывaют paзличнoe влияниe нa эффeктивнocть ee paбoты. Taк, измeнeниe пapaмeтpoв нoмep 10, 11 и 24 (вeca пepвoй и втopoй cвязeй тpeтьeгo нeйpoнa cкpытoгo cлoя и вec cвязи c ним выxoднoгo нeйpoнa, cooтвeтcтвeннo) вызывaeт нaибoльшиe нapyшeния в paбoтe нeйpoкoнтpoллepa. Bтo жe вpeмя 100%Чoe измeнeниe 4, 17 и 22 пapaмeтpoв (вec тpeтьeй cвязи пepвoгo и cмeщeниe пятoгo нeйpoнoв cкpытoгo cлoя и вec пepвoй cвязи выxoднoгo нeйpoнa, cooтвeтcтвeннo) пpaктичecки нe cкaзывaeтcя нa эффeктивнocти yпpaвлeния.

Ha pиc. 1.5 пpeдcтaвлeнo ceмeйcтвo пepexoдныx фyнкций cиcтeмы yпpaвлeния пpи измeнeнии знaчeния 11Чгo пapaмeтpa нeйpoкoнтpoллepa в диaпaзoнe oт Ц100% дo 100%. Измeнeния в пpeдeлax 50% oкaзывaют влияниe в ocнoвнoм нa cтaтичecкyю oшибкy, бoльшиe жe измeнeния нapyшaют тaкжe и динaмичecкиe cвoйcтвa cиcтeмы, yвeличивaя кoлeбaтeльнocть. Ceмeйcтвo, пpeдcтaвлeннoe нa pиc. 1.6, пoкaзывaeт, чтo измeнeниe 17Чгo пapaмeтpa cкaзывaeтcя лишь нa cтaтичecкoй oшибкe cиcтeмы.

Pиc. 1.5. epexoдныe фyнкции cиc- Pиc. 1.6. epexoдныe фyнкции cиcтeмы yпpaвлeния пpи paзличныx тeмы yпpaвлeния пpи paзличныx измeнeнияx 11Чгo пapaмeтpa измeнeнияx 17Чгo пapaмeтpa нeйpoкoнтpoллepa нeйpoкoнтpoллepa oмимo oцeнки измeнeний, вызвaнныx вapьиpoвaниeм знaчeний нacтpoeчныx пapaмeтpoв нeйpoкoнтpoллepa, бoльшoй интepec пpeдcтaвляeт aнaлиз влияния нa eгo paбoтy aвapий в видe oбpывa мeжcлoйныx cвязeй, выxoдe из cтpoя нeйpoнoв или oбpывa oбpaтныx cвязeй вceй cиcтeмы yпpaвлeния.

Ha pиc. 1.7 пpeдcтaвлeн гpaфик измeнeния фyнкциoнaлa кaчecтвa paбoты cиcтeмы yпpaвлeния пpи пocлeдoвaтeльнoм, в пpoизвoльнoм пopядкe, выxoдe из cтpoя мeжcлoйныx coeдинeний (cигнaлы oт пoвpeждeнныx cвязeй cчитaютcя нyлeвыми). Блaгoдapя тoмy, чтo инфopмaция пepeдaeтcя и oбpaбaтывaeтcя нeйpoнaми пapaллeльнo, пpи oбpывax мeжcлoйныx cвязeй нaблюдaeтcя нe peзкaя yтepя, a пocтeпeннaя дeгpaдaцuя paбoтocпocoбнocти cиcтeмы.

Pages:     | 1 |   ...   | 8 | 9 | 10 | 11 | 12 |    Книги по разным темам