CC BY
36
УДК 658.52.011
В.М. Курсйчик, Б.К. Лебедев, Е.В. Нужной СИСТЕМА ИССЛЕДОВАНИЯ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Система исследования генетических алгоритмов (СИГА) предназначена для инструментальной и исследовательской поддержки среды и процессов разработки программ решения оптимизационных задач на основе генетических операторов и процедур.
СИГА может использоваться в следующих целях:
• поиск эффективного варианта использования генетических алгоритмов (состав генетических операторов, модификации отдельного оператора, маршрут (последовательность или более сложная комбинация очередности применения));
• исследование влияния размера популяции на качество и эффективность решения задачи, поиск оптимального размера популяции;
• исследование эффективности применения различных модификаций отдельных генетических операторов;
• исследование эффективности применения различных маршрутов генетической оптимизации.
Архитектура среды исследований может быть представлена цепью: проблемная задача (с точкой входа-выхода СИГА) - генетический интерфейс (наборы пре- и постпроцессоров) - СИГА.
Архитектура СИГА:
• автоинтерактивный монитор;
• подсистемы выбора и настройки генетических операторов, маршрутов, размеров популяции;
• библиотеки "строительных блоков" операторов;
• средства сборки операторов и маршрутов;
• блок испытаний, оценок и заключений.
Автономным элементом СИГА является инструментальная подсистема, включающая:
• формирователь программной среды исследований и элементов СИГА;
• редактор системы меню монитора СИГА;
• редактор библиотек;
• формирователь рабочих программ решения прикладных задач.
Создание и применение СИГА позволит повысить эффективность
разработки программ и программных продуктов для решения оптимизационных задач различной природы на основе генетических алгоритмов и сократить сроки разработки, обеспечить гарантированное качество разрабатываемых генетических алгоритмов и их программной реализации.
СИГА может стать базой для независимого сравнительного исследования известных отечественных и зарубежных алгоритмов генетической оптимизации.
Опыт исследования, разработки и применения алгоритмов и программ решения оптимизационных задач на основе методов генетического поиска показывает, что в настоящее время главный акцент должен быть
Известия ТРТУ
перенесен на повышение эффективности каждого шага процесса генетического поиска с учетом четырех важнейших моментов:
• выход из тупиков (локальных экстремумов);
• быстродействие;
• сходимость (динамика) процесса поиска;
• снижение трудоемкости и отсечение бесперспективных вариантов.
Известно, что за механизмами генетических операторов стоят систематизированные парные и групповые перестановки элементов объекта. Поэтому, кроме "генетического" смысла операторов, должны учитываться вопросы семантики, быстродействия и эффективности процесса перестановок. Так, в общем случае:
• ближние перестановки элементов должны давать меньшие изменения целевой функции, дальние - большие;
• следует упорядочивать последовательность генетических операторов по убыванию величины изменений целевой функции, которую каждый из них, в принципе, может дать.
Последовательность проб (изменения параметров) генетических операторов имеет смысл разворачивать от простых к сложным с точки зрения быстродействия. Например, быстрее и проще выполнить пробы (варианты) в программном модуле доопределения легальных хромосом или работу с данным генетическим оператором, чем пробы применения нескольких различных генетических операторов (вызов, настройка и т.п.).
Особого внимания заслуживают не только варианты основных генетических операторов, но и вспомогательные операторы, реализующие альтернативные наборы правил:
• доопределения легальных хромосом;
• определения оптимального размера популяции для данной задачи;
• определения начального состава популяции и его пополнение;
• выбора "родителей" для формирования множества "потомков".
Программная система генетической оптимизации должна содержать развитые средства настройки, так как известно, что по мере роста возможностей настройки увеличивается степень гибкости системы.
