ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

Нейроэволюционный метод интеллектуализации принятия решений в условиях неопределенности

Читать

Хлопкова Ольга Андреевна Нейроэволюционный метод интеллектуализации принятия решений в условиях неопределенности // Прикаспийский журнал:  управление и высокие технологии. — 2015. — №3. — Стр. 114-129.

Хлопкова Ольга Андреевна - аспирант, Московский государственный университет экономики, статистики и информатики, 119501, Российская Федерация, г. Москва, ул. Нежинская, 7, ohlopkova@nifi.ru

В статье представлен адаптивный метод интеллектуализации принятия решений в условиях неопределенности, неполной информации и динамической среды. В отличие от существующих нейроэволюционных методов принятия решений, таких как GNARL, ENS3, NEAT (и его модификаций, в том числе HyperNEAT), предлагаемый метод применим для оптимизации как структуры, так и параметров нейросетей любой топологии. Он лишен типичных недостатков, связанных с использованием нейроэволюционного подхода: конкурирующих представлений; незащищенных инноваций; проблемы начального размера. Предлагаемый метод позволяет снизить риск преждевременной сходимости и «паралича» нейронной сети, обеспечивает исключение остановки вычислительного процесса на локальных оптимумах. Автором описаны основные аспекты предлагаемого метода: прямой способ генетического кодирования и определяемая им структура хранения данных; параметры хромосом; вид функции приспособленности; алгоритмы селекции, мутации и рекомбинирования. Дано теоретическое обоснование введения этапа локальной оптимизации, наделяющего метод свойствами меметичности. Приведены результаты успешного применения метода для решения классических нейроэволюционных задач, в том числе задач адаптивного управления, реализации логических функций, трудноформализуемых задач восстановления поврежденных данных. Эффективность метода доказана результатами его практического использования в задачах защиты информационной системы от DDoS-атак, рейтинговой оценки размещаемых в базе знаний материалов; оптимизации работы систем 3D-печати.

Ключевые слова: генетические алгоритмы, нейронные сети, искусственный интеллект, нейроэволюция, меметичные алгоритмы, системы поддержки принятия решений, неопределенность, эволюционные вычисления, гибридные интеллектуальные системы, TWEANN, COGANN, 3D-принтеры, genetic a