Эволюционноное моделирование

Одна из основных проблем в науке и технике – это разработка теории, математических методов и моделей для эффективного принятия решения в сложных системах. Сложность систем, их уникальность, отсутствие адекватного математического аппарата для создания моделей приводит к необходимости поиска новых направления моделирования и синтеза. Эти направления в настоящее время активно разрабатываются и составляют основу понятия «искусственный интеллект». На пути применения перспективных интеллектуальных технологий большинство исследователей надеется найти решение стоящих перед учеными и инженерами проблем и задач.

При этом важнейшими задачами являются оптимизация, построение интеллектуальных искусственных систем поддержки принятия решений; моделирование процессов; построение порядка из хаоса; использование иерархической самоорганизации.

Основным языком интеллектуальных искусственных систем (ИС) является математический аппарат системного анализа, теория сложных систем, теория графов и множеств, математическое моделирование, имитация. Математические модели и алгоритмы – это те формы, в которых теория эволюционного моделирования и искусственного интеллекта описывает знания и способы работы с ними.

Эволюционное моделирование (ЭМ) представляет собой одно из быстро развивающихся направлений математического моделирования, объединяющее компьютерные методы моделирования эволюционных процессов в естественных (ЕС) и искусственных системах, такие как генетические алгоритмы, эволюционные стратегии, эволюционное программирование и другие эвристические методы.

Одним из видов интеллектуальной деятельности человека является реализация нечетких алгоритмов лицом, принимающим решение. Главным помощником при этом стали интеллектуальные искусственные системы поддержки и принятия решений.

Новая интеллектуальная ИС создается, а точнее, самоорганизуется, путем эволюции. Реализация эволюционных преобразований аналогична решению оптимизационных задач. Для таких задач необходимо каждый раз доказывать сходимость процесса к искомому решению. Основное отличие эволюции ИС от эволюции процессов в естественных системах состоит в наличии у ИС цели, связанной с оптимальным решением определенного класса задач.

Эволюция подтверждает, что в основе ЕС и ИС заложены модели и аналогии принципа взаимодействия противоположностей ИНЬ–ЯН. ИНЬ – символизирует неопределенность и неоднозначность, случайные движения, а ЯН – завершенность, реализацию цели и построение целого.

В процессе эволюции интеллектуальной ИС прошлое не исчезает. Надо научиться находить и определять в эволюционных структурах информацию о прежних состояниях и процессах. Эволюция в интеллектуальной ИС невозможна без смены одной устойчивой структуры другой, без конкуренции, без конфликтов, которые разрешаются в ее процессе путем борьбы и компромиссов, установления гармонии. В этих случаях трудоемкость оптимизационных задач резко возрастает и становится невозможным использование алгоритмов полного перебора из-за необходимости обработки огромных массивов информации. Поэтому требуется проведение модернизации структуры, как самих традиционных интеллектуальных ИС, так и основных блоков, стратегий, концепций, алгоритмов и методов решения оптимизационных задач. Одним из таких подходов является использование методов эволюционного моделирования, генетических алгоритмов (ГА), синергетических принципов управления (синергизм – согласование при совместной работе), построения порядка из хаоса и адаптации.

ЭМ – хорошо известная и эффективная оптимизационная методология, которую применяют для решения различных оптимизационных задач в науке и технике. Она основана на аналогии с естественными процессами селекции и генетическими преобразованиями, протекающими в природе.

При попытках эффективного решения задач проектирования сложных интеллектуальных ИС постоянно возникает конфликт между сложностью систем и требованиями увеличения качества проектирования, конструирования и технологичности производственных процессов. Данные проблемы не могут быть полностью решены распараллеливанием процесса проектирования, увеличения персонала конструкторов и качеством рабочих станций. Одним из возможных подходов к решению этой проблемы является использование ЭМ.

Эволюция сложных систем происходит таким образом, что в ее процессе увеличивается степень неопределенности и неоднородности системы в целом. В системах неопределенность проявляется в двух видах – внутренняя и внешняя.

Внутренняя связана с характером поведения отдельных подсистем и элементов, их стохастическим характером, сложным динамическим поведением, незнанием исследователем свойств элементов системы и закономерностей их развития и функционирования.

Внешняя – это неопределенность взаимодействия с внешней по отношению к системе средой. Воздействие внешней среды имеет, как правило, случайный, часто непредсказуемый характер.

Поведение сложной системы не удается описать математически и остается практически единственный аппарат для построения моделей как отдельных подсистем, так и их совокупности – имитационное моделирование. Имитационное моделирование – тот единственный универсальный метод, который приходится применять при решении различных задач, возникающих при анализе и синтезе сложных систем.

Имитация не может использоваться сама по себе, имитационный эксперимент позволяет оценить лишь одну точку в области поиска, в то время как определение решения должно осуществляться на всем пространстве. Поэтому имитационное моделирование используется в совокупности с другими методами – математическими, статистическими, эвристическими и т.д. Такое совместное использование различных подходов к решению некоторой задачи принятия решения приводит к появлению и развитию гибридных систем. В гибридных системах сочетание различных подходов позволяет получить новое качество при решении сложных задач.