Программная система автоматического формирования нечеткого логического контроллера
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
значений термов лингвистических переменных, и оптимизация по БП;
.Фиксация БП, найденной на предыдущем этапе, и оптимизация термов;
.Если пройдено заданное число этапов, то завершение (найденные на последних этапах оптимизации БП и термы являются решением), иначе возвращаемся на п.2.
Оптимизация БП происходит с использованием генетического подхода. Данный подход был включен в коэволюцию, поскольку он, как настройка семантики лингвистических переменных, основан на ГА, что обеспечивает единообразность коэволюционного алгоритма. Авторы данной работы отдают себе отчет в том, что генетический подход является не самым лучшим алгоритмом оптимизации БП.
Глава 4. Практическая реализация разработанных подходов и исследование эффективности их работы
.1 Программная реализация
Приведенные выше алгоритмы были реализованы в виде программной системы (ПС). Стартовое окно данной системы отображено на рисунке 4.1.1.
Рис. 4.1.1 Стартовое окно программной системы
Для упрощения работы с программой главная форма разбита на 4 основных блока: Инициализация, Текущее состояние, Управление (включая кнопки) и Испытательный полигон. Рассмотрим каждый из этих элементов.
В блоке Инициализация задаются начальные параметры системы.
В блоке Текущее состояние отображаются текущие значения параметров системы и вектор силы, прикладываемый к тележке для управления системой.
Блок Испытательный полигон предназначен для визуального отображения работы системы.
Блок Управление состоит из 2-х частей: флага ручного либо автоматического управления и кнопок управления.
Нажатие кнопки Запуск запускает механизм раiета физических параметров системы.
Нажатие кнопки Пауза/Продолжить временно останавливает (замораживает) движение системы с сохранением всех параметров / запускает физику системы.
При нажатии кнопки Стоп происходит остановка работы системы без запоминания последних параметров.
Кнопка Выход - выход из программы, при необходимости выдается запрос о сохранении изменений БП и термов.
Нажатие кнопки Настройки вызывает форму, на которой находятся редактор терм, редактор БП и панель работы с алгоритмами автоматического формирования БП (см. рис. 4.1.2, 4.1.3, 4.1.4).
Программная система предоставляет широкие возможности по настройке функции качества, параметров алгоритмов, а так же позволяет регулировать термы и БП вручную (используя соответствующие редакторы). Формы панели редакторов термов и БП приведены на рисунках 4.1.3 и 4.1.4, соответственно. Для настройки параметров или запуска какого-либо алгоритма необходимо нажать соответствующую кнопку.
После запуска оптимизационного алгоритма открывается окно Diagram, отображающее ход работы программы (см. рис. 4.1.5).
После того, как оптимизационный алгоритм отработал заданное число итераций, можно проверить полученную БП на испытательном полигоне (см. стартовое окно программы), для чего нужно просто закрыть окно настроек. Так же можно просмотреть найденные правила (используя редактор БП) или сохранить БП в файл (стартовая форма, меню файл, сохранить БП).
Рис. 4.1.2 Форма панели настроек
Рис. 4.1.3 Форма панели редактора термов
Рис. 4.1.4 Форма панели редактора БП
Рис. 4.1.5 График работы оптимизационного алгоритма
Разработанная нами ПС позволяет производить анализ работы реализованных алгоритмов и методов и получать статистику по процессу оптимизации. Это позволило провести исследования эффективности работы двух алгоритмов автоматического формирования БП и алгоритма автоматического формирования нечеткого контроллера, а также подобрать оптимальную структуру для каждого подхода.
4.2 Подбор оптимальной структуры оптимизационного алгоритма
Генетический подход. Структура ГА состояла из параметров двух видов: фиксированных и переменных. Фиксированными параметрами являлись размер турнира и элиты (для турнирной и элитарной селекций соответственно), которые были равны 5 и 6 индивидам, вероятность мутации - средняя. Переменными параметрами были вид селекции, тип рекомбинации, объем популяции, число поколений. Число вычислений целевой функции было ограничено 2000. Для сравнения брались статистически усредненные значения за 50 прогонов. Сравнение алгоритмов осуществлялось по нескольким критериям, среди которых найденный минимум, скорость сходимости алгоритма к наилучшему решению, период активного спуска алгоритма (в процентах). Данные экспериментов приведены в таблице А.1 в приложении. Наиболее эффективной среди всех структур оказалась следующая: Элитарная + равновероятная селекция + Двухточечная рекомбинация + 20 индивидов х 100 поколений.
Нейросетевой подход. Фиксированными параметрами являлись размер турнира и элиты (для турнирной и элитарной селекций соответственно), которые были равны 2 и 3 индивидам, вероятность мутации - средняя. Также фиксированной была структура нейронной сети, которая имела следующие параметры: один скрытый слой, четыре нейрона на скрытом слое, параметр активационной функции был равен 0,5. Переменными параметрами были вид селекции, тип рекомбинации, объем популяции, число поколений. Число вычислений целевой функции было ограничено 2000. Для сравнения брались статистически усредненные значения за
Copyright © 2008-2014 geum.ru рубрикатор по предметам рубрикатор по типам работ пользовательское соглашение