Новости искусственного интеллекта, 2005, №4


Слово редактора

Эволюционное моделирование является одной из фундаментальных областей научных исследований на стыке информатики, биологии и искусственного интеллекта

Алгоритмы эволюционного моделирования позволяют решать две задачи:

изучение динамики процесса эволюции, исследование свойств и изменений популяции в зависимости от изменения среды;

поиск множества решений, наилучшим образом удовлетворяющих заданной целевой функции.

Они находят применение при решении различных задач проектирования, оптимизации нейронных сетей, исследования графов, построения правил вывода в самонастраивающейся экспертной системе продукционного типа.

Эффективность эволюционного поиска зависит от множества факторов. Их оптимальный выбор приводит к повышению скорости и устойчивости поиска.

Существуют различные методы, позволяющие повысить эффективность эволюционного поиска. Основным способом повышения скорости работы стационарных генетических алгоритмов является распараллеливание. Другое направление - разработка адаптивных генетических алгоритмов, суть которого состоит в переходе от алгоритмов с жестко заданными связями к модели с динамически меняющейся структурой в зависимости от решаемой задачи. Одним из перспективных направлений является разработка алгоритмов эволюционных вычислений с использованием различных моделей эволюции. В рамках этих проблем существенными являются следующие задачи

разработки и исследования: фундаментальных принципов построения и функционирования эволюционных систем на основе базовых принципов теории эволюционного моделирования и мультиагентных подходов, включающих в себя, в частности, применение новых парадигм;

методологии построения иерархических многоуровневых эволюционных систем на основе самообучения, самоорганизации и эволюционного развития для решения оптимизационных задач.

При выработке и принятии решений в сложных математических системах в последнее время используется как строгие количественные математические выводы, так и не менее строгие качественные методы, которые, тем не менее, так же допускают формализацию и могут быть реализованы на ЭВМ. Наиболее эффективными средствами при анализе сложных слабо формализуемых систем являются методы нечеткой математики и нечеткой логики.

В рубрике ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ вашему вниманию предлагается статья д.т.н., профессора Фоминых И.Б. и Винькова М. М., "Немонотонные рассуждения в динамических интеллектуальных системах", в которой рассматриваются немонотонные логические системы, являющиеся расширениями линейной временной логики с часами. Внимание акцентируется на системам, формализующим рассуждения как в "мягком", так и в "жестком" реальном времени. Для последних обсуждаются также подходы к формализации приближенных рассуждений с возможностью выдачи результата в любой момент.

В рубрике НЕЧЕТКИЕ МОДЕЛИ в статье Целых Алексея А. рассмотрена задача интеллектуального анализа данных, связанная с поиском нечетких ассоциативных правил. База данных нечетких транзакций представляется в виде нечеткого ультраграфа, обобщающего понятия нечеткого гиперграфа и нечеткого ориентированного графа. Автор решает задачу поиска всех часто встречающихся наборов элементов на основе выделения всех биклик (максимальных нечетких полных двудольных подграфов) в нечетком двудольном графе. С этой целью для нечетких ультраграфов предложен алгоритм поиска всех максимальных паросочетаний и максимальных нечетких внутренне устойчивых множеств.

В рубрике "эволюционная адаптация" в статье д.т.н., профессора Таганрогского радиотехнического университета Лебедева Б.К. и к.т.н., доцента Лебедева О.Б. "Методы построения эффективных процедур эволюционной адаптации" рассмотрены механизмы адаптации на основе самообучения и генетического поиска. Описываются  приемы повышения эффективности генетических алгоритмов, связанные с распараллеливанием на базе виртуальных популяций, разработка алгоритмов эволюционных вычислений с использованием различных моделей эволюции. Описываются приемы кодирования и декодирования альтернативных решений.

 В статье проректора по научной работе Таганрогского радиотехнического университета,  д.т.н., профессора Курейчика В.М. "Об одном квантовом алгоритме определения гамильтонова цикла" рассматриваются бионические алгоритмы решения задач на графах. Внимание акцентируется на построения алгоритма определения гамильтонова цикла. Обсуждается возможность использования жадных стратегий и идей построения квантовых алгоритмов. Временная сложность алгоритма имеет полиномиальную зависимость от числа элементов графовой модели.

В статье к.т.н., доцента Таганрогского радиотехнического университета Гладкова Л.А. приведен анализ современного состояния таких научных направлений как "мягкие вычисления" и "вычислительный интеллект". Проанализированы составляющие этих двух направлений науки, преимущества их интеграции с точки зрения перспектив создания синергетического искусственного интеллекта. Отмечено, что интеграция методов эволюционных вычислений, нейросетевых моделей, математического аппарата теории нечетких систем дает синергетический эффект позволяющий усиливать преимущества отдельных методов и нивелировать отдельные их недостатки. Приведено описание, основные виды и преимущества нечеткого кодирования для генетических и эволюционных алгоритмов. Описана идея слабого кодирования, позволяющая строить отношения "один генотип - множество фенотипов". Дано определение термина "нечеткие генетические алгоритмы" и представлены основные компоненты, входящие в состав нечеткого генетического алгоритма. Приведены примеры нечетких генетических алгоритмов для решения оптимизационных задач. Представлены примеры нечетких генетических операторов для решения оптимизационных задач на нечетких графах и нахождения их нечетких инвариантов.

В статье профессора Таганрогского государственного радиотехнического университета С.И. Родзина "Мягкие параллельные вычисления", помещенной в рубрике "эволюционная адаптация", подчеркивается, что теория эволюции как одна из базовых концепций для многих интеллектуальных процессов и систем, может значительно расширить сферу применения классической компьютерной парадигмы искусственного интеллекта, основанную на символьном представлении информации и комбинаторно-логических процедурах ее обработки. Примером может служить идея соединения принципов эволюции с методами мягких вычислений, в частности, гибридизация различных эволюционных методов с нейросетями, а также с нечеткими множествами при использовании параллелизма на базе SIMD и MIMD-архитектур. По мнению автора, данный подход обеспечит их более широкое применение в таких сферах как распознавание образов, таксономия, прогнозирование и т.п., при этом решающим обстоятельством для оценки практической пригодности нейроэволюционных вычислителей является то, насколько успешно с их помощью может быть решена та или иная оптимизационная задача с точки зрения качества решения и вычислительной сложности. Эксперименты, проведенные автором, подтвердили справедливость этого вывода не только для многослойного перцептрона, но и для других архитектур нейросетей.

В рубрике "бионический поиск" в статье заведующего Таганрогского радиотехнического университета, д.т.н., профессора Курейчика В.В."Стратегия бионического поиска при размещении элементов схем ЭВА" рассматривается проблема размещения элементов схем ЭВА. Для ее решения предлагаются модифицированные методы моделирования эволюции и бионического поиска. Это позволяет распараллеливать процесс и получать решения с локальными оптимумами за полиномиальное время. Разработана программная среда и проведены экспериментальные исследования, подтверждающие эффективность разработанного алгоритма. Сложность алгоритмов имеет в среднем квадратичный порядок.

В рубрике "глобальное информационное общество" в статье Штрик А.А "Глобальная электронная готовность стран мира" проводится анализ уровня электронной готовности стран мира по данным на 2005 год по результатам Economist Intelligence Unit (EIU). Кроме того, для этих же стран по состоянию на 2005 год приводятся индексы развития электронных правительств, которые являются основой перехода к глобальному информационному обществу; эти данные получены американскими экспертами Center for Public Policy Brown University. Помимо этого в статье приведены по данным 2005 года результаты ранжирования стран по уровню коррупции, проведенного корпорацией Transparency International. Для каждого из этих исследований дана краткая методология и используемые показатели. В заключение статьи методами корреляционного анализа определяются взаимосвязи между тремя совокупностями показателей.

В разделе хроники дается информация о прошедших в 2005 г. международных конференциях "Интеллектуальные САПР - 2005" CAD-2005 и "Интеллектуальные системы" AIS'05, дается информация о планируемых в 2006 г. в поселке Дивноморское (г.Геленджик) международных конференциях "Интеллектуальные САПР - 2006" и "Интеллектуальные системы" AIS'06.