|
ОПТИМИЗАЦИЯ НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕ-ЛИРОВАНИЯ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА И НЕЙРОСЕТЕВЫХ МЕТАМОДЕЛЕЙ.
П.В.Афонин
В настоящее время многие задачи оптимизации сложных систем не могут быть решены с помощью аналитических моделей. Для их решения часто используется метод имитационного моделирования. Задача оптимизации на основе имитационного моделирования формулируется следующим образом: необходимо найти значения входных переменных (факторов), оптимизирующих основной выходной показатель системы (отклик). При этом предполагается, что функция отклика не может быть вычислена аналитически, но может быть рассчитана с помощью имитационного моделирования.
Оптимизация на основе имитационного моделирования заключается в совместном использовании имитационной модели (ИМ) и алгоритма оптимизации. С помощью ИМ рассчитываются значения отклика для различных комбинаций значений факторов, которые предлагает алгоритм оптимизации. Последний, в свою очередь, используя значения отклика, пытается улучшить решение.
На сегодняшний день в большинстве программных пакетов оптимизации имитационного моделирования в качестве процедур поиска решений используются эволюционные стратегии и генетические алгоритмы (ГА), которые зарекомендовали себя как эффективные методы решения сложных оптимизационных задач.
Однако имитационные эксперименты очень дороги в вычислительном плане. Один прогон ИМ для некоторых больших систем на языках имитационного моделирования может достигать нескольких часов. Поэтому реализация серии прогонов ИМ таких систем за разумное время не представляется возможным.
Одним из способов решения данной проблемы является использование метамоделей. Метамоделью принято называть приближенную математическую модель, полученную в результате экспериментов над имитационной моделью с целью замещения последней при оптимизации. Основными методами построения метамоделей являются регрессионные модели и искусственные нейронные сети (НС), к которым в последнее время проявляется большой интерес, благодаря их мощной аппроксимирующей способности. Одной из первых фундаментальных работ по построению нейросетевых метамоделей в имитационном моделировании является работа H. Pierreval.
Следуя вышеизложенному, представляется перспективным использование генетических алгоритмов совместно с нейросетевыми метамоделями для оптимизации на основе имитационного моделирования.
В результате ранее проведенной работы был разработан базовый алгоритм оптимизации на основе имитационного моделирования, генетического алгоритма и нейросетевых метамоделей. Основной особенностью данного алгоритма является механизм попеременного использования имитационной модели и нейросетевой метамодели в процессе поиска решения на основе ГА, при котором реализуется переобучение НС.
В настоящее время проводится работа по детализации базового алгоритма и разработке некоторых его модификаций. Алгоритмы и имитационные модели сложных систем реализуются в среде MatLab 7.1.
|
|