Гибридные системы

Весь цикл разработки и эксплуатации любой сложной системы носит итеративный характер (рис. 3.12). Выполнение любой итерации, как показано на рис. 3.12, проводится с использованием моделей сложной системы. Наиболее продвинутым и мощным аппаратом построения соответствующих моделей для рассматриваемых систем является имитационное моделирование. оно обеспечивает глубокое представление моделируемого объекта, дает возможность анализа процессов на любом временном интервале, позволяет учитывать случайные и неопределенные факторы, оценивать как технические, так экономические показатели функционирования системы.

Рис. 3.12. Цикл разработки сложной системы

Сложная система представляет собой систему с эволюцией и характеризуется большим числом гетерогенных подсистем с высокой степенью неопределенности. Следовательно, решение задач анализа, управления и других в таких системах не может быть осуществлено в рамках использования какого-либо единого подхода для всех подсистем.

Для принятия решений обычно используют сложное сочетание математических, статистических, вычислительных, эвристических, экспериментальных методов и методов инженерных знаний (чаще всего экспертных систем). Комплексное использование указанных методов и средств обеспечивает пользователя поддержкой при принятии решений. При этом имеет место приоритет решаемой задачи над используемыми методами.

Существование подобной ситуации, когда необходимо совместно использовать имитацию и различные методы принятия решений, привело к появлению так называемых гибридных систем. Под гибридной системой будем понимать систему, состоящую из нескольких систем различного типа, функционирование которых объединено единой целью (рис. 3.13).

Рис. 3.13. Простейшая гибридная система

Простейшей гибридной системой является система, объединяющая в себе имитационную модель и блок оптимизации. Блок оптимизации реализует один из алгоритмов поисковой оптимизации (например, простейший генетический алгоритм – ПГА), а имитационная модель служит для вычисления значений критерия оптимизации (функции пригодности) для выбираемых вариантов решения.

Прогон имитационной модели обеспечивает, в лучшем случае, получение результатов в одной точке пространства поиска решений. Поэтому требуется реализация серии экспериментов на имитационной модели в большой области поиска, целенаправленность которых обеспечивается в традиционных системах моделирования специалистом –разработчиком.

Использование генетических алгоритмов для решения оптимизационных задач при анализе, управлении или синтезе действительно сложных систем возможно лишь в том случае, если имеется способ определения функции пригодности особи с достаточно хорошей точностью. То есть, необходимо иметь возможность разрабатывать модели сложных систем с высокой степенью адекватности объектам и процессам реального мира.

Рассмотрим гибридные системы, использующие совместно генетический алгоритм и имитацию при решении задач различного типа (рис. 3.14). Это, прежде всего, относится к задачам организационного управления, принятия решений в реальном масштабе времени, оценки стратегий управления, прогнозирования.

Рис. 3.14. Простейшая гибридная система с генетическим алгоритмом и имитационной моделью

Цель блока оптимизации гибридной системы – улучшение решения посредством выбора значений управляемых переменных. Для этих целей используется ПГА. Генетический алгоритм может быть реализован на любом универсальном языке, например, С++, Паскаль и др. Однако гибридная система, построенная на едином программном обеспечении, по многим причинам предпочтительнее, чем система, объединяющая блоки, написанные на разных программных средствах.

Существующие методы и языки имитационного моделирования часто оказываются неэффективными по причине своей низкой гибкости и сложности моделирования систем принятия решений и управления, особенно если система управления включает в себя человека оператора, принимающего решения. использование появившихся на рынке программных продуктов интеллектуальных систем имитационного моделирования снимает часть этих трудностей и предоставляет новые возможности при использовании имитации в гибридных системах для решения прикладных системных задач.

Гибридная система реализует функции не только интеллектуального интерфейса, но и интеллектуального вычислителя. Состав типовой гибридной системы, включающей в себя указанные составляющие, приведен на рис. 3.15.

Блок расчета Простой генетический алгоритм

критерия оптимальности

Рис. 3.15. Структура типовой гибридной схемы

В данной схеме имитационная модель служит для составления плана и использует для этого набор эвристических правил для определения приоритета того или иного заказа включаемого в план работ.

Блок оптимизации обеспечивает подбор приоритетных правил для составления планов работ с наилучшими показателями. Необходим выбор лучших правил для текущей ситуации, а также выбор оптимальных значений их параметров.

Цель экспертной системы в составе гибридной системы – улучшение показателей ПГА, прежде всего, повышение сходимости процесса оптимизации посредством включения в процесс некоторых представлений (знаний) человека-оператора о перспективности той или иной стратегии поиска. В этом случае экспертная система выполняет функцию «селекционера» целенаправленно изменяя параметры ПГА для сокращения времени вычисления.

Экспертная система осуществляет направленный выбор таких параметров ПГА, как: размер популяции, вероятности скрещивания и мутации. Кроме того, она применяет некоторые правила для сохранения особей с высоким значением функции пригодности из поколения в поколение в ходе из воспроизводства и т.п.

Экспертная система, таким образом, представляет область комбинаций знаний о генетических алгоритмах, вычислительной математике, искусственном интеллекте и знаний эксперта. Прикладная область для экспертной системы хорошо не определена и пространство поиска плохо структурировано и поэтому экспертная система работает наряду с ПГА на основе текущих данных относительно популяции и текущего состояния имитатора.