Повышение эффективности имитационного моделирования на основе нейросетевого подхода



Скачать 32.25 Kb.
Дата07.07.2013
Размер32.25 Kb.
ТипДокументы

УДК 004.896(06) Интеллектуальные системы и технологии


Л.Г. КОМАРЦОВА, О.В. ПОЛЯКОВА

Московский государственный технический университет им. Н.Э. Баумана
(филиал), Калуга

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ НА ОСНОВЕ НЕЙРОСЕТЕВОГО
ПОДХОДА

Рассмотрены некоторые проблемы и методы интеграции информационных технологий для построения эффективных гибридных интеллектуальных систем.
Эффективность проведения имитационного эксперимента на основе методов планирования экспериментов может быть повышена путем использования нейронной сети (НС) для обобщения результатов имитационных экспериментов. Количество экспериментов на имитационной модели (ИМ) при поиске наилучших значений параметров может быть снижено за счет предсказания НС с некоторой погрешностью возможных значений выходных характеристик при заданных значениях параметров, характеризующих исследуемый объект. Прогнозируемые с помощью НС варианты проверяются затем на имитационной модели.

Дальнейшее развитие этого направления связывается с разработкой стратегий взаимодействия методов имитационного и эволюционного моделирования для решения оптимизационных задач принятия решений, что позволит распараллеливать процедуру поиска решений на имитационной модели и даст возможность находить подмножество локальных экстремумов за полиномиальное время. Для реализации этой методики в настоящей работе в качестве основного метода эволюционного моделирования применяется генетический алгоритм (ГА). На основе результатов [1], использование Конструктора ГА даст возможность для каждой конкретной задачи имитационного моделирования найти соответствующие генетические операторы, обеспечивающие более быструю сходимость.

База планов экспериментов позволяет в зависимости от типа параметров, характеризующих ИМ, выбрать план проведения эксперимента. В этой схеме ГА используется для определения наилучших значений параметров имитационной модели в заданном пространстве поиска.

База примеров, на которой обучается НС, в процессе выполнения процедуры оптимизации с использованием ГА пополняется новыми примерами, являющимися результатами имитационного моделирования. Это позволяет на каждой итерации работы ГА после соответствующего дообучения НС уточнять местоположение экстремума. Обученная на результатах имитационного моделирования НС моделирует функцию фитнесса Fit и служит для оценки хромосом, в виде которых представляются альтернативные варианты ИМ, полученные на очередном этапе эволюции. Использование НС в качестве имитатора функции Fit позволяет существенно экономить количество экспериментов при оптимизации модели за счет предсказания возможных значений ее выходных характеристик без проведения дополнительных экспериментов на ЭВМ.


Одной из основных проблем, которую необходимо решать при реализации данной методики, является выбор подходящего типа нейронной сети, обеспечивающей высокий процент распознавания и небольшие затраты времени на обучение. Исследование различных типов нейронных сетей показало, что для восстановления значений функции по неполным данным (в нашем случае отдельным результатам имитационного моделирования) наиболее перспективным типом является МНС +ГА+АИО (многослойный персептрон с алгоритмом обучения, использующим генетический поиск и алгоритм имитации отжига), а также FKCN (нечеткая сеть Кохонена). Перечисленные типы НС позволяют работать с малым объемом обучающей выборки (что является особенно важным при имитационном моделировании) и обеспечивают высокий процент распознавания.

Кроме перечисленных типов перспективной НС для восстановления значений функций является CMAC (Cerebellar Model Articulation Controller) - суставная модель мозжечкового регулятора, разработанная американским ученым Альбусом Дж.. Основное назначение CMAC - запоминание, восстановление и интерполяция функций многих переменных. Для решения этой задачи вначале обучают СМАС по известным значениям функций с использованием алгоритма Альбуса, а затем применяют её для восстановления недостающих значений.

В докладе приведено сравнение точности восстановления различными НС результатов имитационного моделирования при решении задачи выбора параметров алгоритма диспетчеризации специализированного сервера. Наилучшей архитектурой нейронной сети для решения поставленной задачи оказалась трехслойная НС с комбинированным алгоритмом обучения, основанным на использовании генетического алгоритма и алгоритма имитации отжига. Этот факт объясняется использованием глобальных свойств оптимизируемой функции ошибки E с помощью генетического алгоритма и алгоритма имитации отжига.

Процесс обучения СМАС заканчивается быстрее, так как это связано с увеличением памяти для хранения запоминаемых значений функции.


ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10

Похожие:

Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconОпределение имитационного определения Виды имитационного моделирования Области применения
...
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconОбщая характеристка работы
Целью работы является повышение эффективности диагностики и лечения кардиалгического синдрома Х на основе использования классификационного...
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconПовышение эффективности алгоритмов классификации образов на основе теории решеток
Лебедев В. Б. Повышение эффективности алгоритмов классификации образов на основе теории решеток. // Проблемы информатики в образовании,...
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconМетодология экономико-математического моделирования процесса инвестиционного анализа на основе нечетко- множественного подхода 08. 00. 13 Математические и инструментальные методы экономики
Методология экономико-математического моделирования процесса инвестиционного анализа на основе нечетко- множественного подхода
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconПовышение эффективности вывозки лесоматериалов парком автопоездов на основе планирования технико-эксплуатационных показателей
Повышение эффективности вывозки лесоматериалов парком автопоездов на основе планирования
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconУдк 004. 94 Агентная архитектура распределенной дискретно-событийной системы имитационного моделирования Opengpss
Агентная архитектура распределенной дискретно-событийной системы имитационного моделирования Opengpss
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconМк-42-9 Повышение эффективности систем детектирования движений на основе принципа разумной достаточности
Повышение эффективности систем детектирования движений на основе принципа разумной достаточности
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconКомпьютерное моделирование массового обслуживания клиентов на фармацевтическом рынке
Рассматривается задача моделирования системы массового обслуживания покупателей лекарственных средств в аптеке с использованием пакета...
Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconПовышение эффективности способа комплексной переработки нефелинов на основе использования карбоалюминатных соединений

Повышение эффективности имитационного моделирования на основе нейросетевого подхода iconМ. В. Синьков, Я. А. Калиновский, Ю. Е. Бояринова, Т. В. Синькова
Целью работы является повышение эффективности моделирования различных процессов, описываемых такими дифференциальными уравнениями...
Разместите кнопку на своём сайте:
ru.convdocs.org


База данных защищена авторским правом ©ru.convdocs.org 2016
обратиться к администрации
ru.convdocs.org