Готовые ????????? ??????

Диплом  ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ НА ОСНОВЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

Содержание:

Содержание
Введение……………………………………………………………………….3
Глава 1. Понятие интеллектуальных систем
1.1 Направления развития ИС и способы их реализации……………..6
1.2 Свойства и возможности ИС………………………………………..8
1.3 Примеры задач, выполняемых интеллектуальными системами...11
Глава 2. Генетические алгоритмы
2.1 Применение генетического алгоритма…………………………....16
2.2 Символьная модель простого генетического алгоритма………...19
2.3 Работа классического генетического алгоритма ………………...21
Глава 3. Разработка интеллектуальной системы на основе генетических
алгоритмов
3.1 Применение генетических операторов…………………………...25
3.2 Принципы функционирования генетических алгоритмов и их
адаптация к решению задачи………………………………………….38
Заключение…………………………………………………………………..46
Литература....………………………………………………………………...47

Введение

Интеллектуальные системы (ИС) широко и успешно используются для решения различных практических задач. В принципе, можно уже говорить о массовом характере их внедрения. Однако в большинстве конкретных случаев реализация ИС является, как правило, трудоемким процессом, требующим больших временных затрат и материальных вложений.
Проектирование ИС это сложный творческий процессом, требующий значительных затрат, что существенно сужает круг пользователей и разработчиков, которые могут себе это позволить. Одной из основных проблем существующих на этапе извлечения является наличие так называемых «скрытых» знаний эксперта, т.е. тех знаний, которыми эксперт пользуется не осознанно. Инженеру по знаниям необходимо выявить такие знания и формализовать их в виде некоторой модели. В свою очередь, эксперт должен предоставлять свои знания с учетом особенностей используемых информационных технологий. Таким образом, взаимодействие инженера по знаниям и эксперта превращается во взаимное обучение, на которое и уходит основное время разработки системы. Однако во многих случаях, когда имеются готовые базы данных предметной области, можно было бы избежать значительных временных затрат на разработку рабочих прототипов систем на нечеткой логике.
Генетические алгоритмы возникли в результате наблюдения и попыток копирования естественных процессов, происходящих в мире живых организмов, в частности, эволюции и связанной с ней селекции (естественного отбора) популяций живых существ. Конечно, при подобном сопоставлении нейронных сетей и генетических алгоритмов следует обращать внимание на принципиально различную длительность протекания упоминаемых естественных процессов, т.е. на чрезвычайно быструю обработку информации в нервной системе и очень медленный процесс естественной эволюции. Однако при компьютерном моделировании эти различия оказываются несущественными.
Идею генетических алгоритмов высказал Дж. Холланд в конце шестидесятых - начале семидесятых годов XX века. Он заинтересовался свойствами процессов естественной эволюции (в том числе фактом, что эволюционируют хромосомы, а не сами живые существа). Холланд был уверен в возможности составить и реализовать в виде компьютерной программы алгоритм, который будет решать сложные задачи так, как это делает природа - путем эволюции. Поэтому он начал трудиться над алгоритмами, оперировавшими последовательностями двоичных цифр (единиц и нулей), получившими название хромосом. Эти алгоритмы имитировали эволюционные процессы в поколениях таких хромосом. В них были реализованы механизмы селекции и репродукции, аналогичные применяемым при естественной эволюции. Так же, как и в природе, генетические алгоритмы осуществляли поиск «хороших» хромосом без использования какой-либо информации о характере решаемой задачи. Требовалась только некая оценка каждой хромосомы, отражающая ее приспособленность. Механизм селекции заключается в выборе хромосом с наивысшей оценкой (т.е. наиболее приспособленных), которые репродуцируют чаще, чем особи с более низкой оценкой (хуже приспособленные). Репродукция означает создание новых хромосом в результате рекомбинации генов родительских хромосом. Рекомбинация - это процесс, в результате которого возникают новые комбинации генов. Для этого используются две операции: скрещивание, позволяющее создать две совершенно новые хромосомы потомков путем комбинирования генетического материала пары родителей, а также мутация, которая может вызывать изменения в отдельных хромосомах.
Генетические алгоритмы применяются при разработке программного обеспечения, в системах искусственного интеллекта, оптимизации, искусственных нейронных сетях и в других отраслях знаний. Следует отметить, что с их помощью решаются задачи, для которых ранее использовались только нейронные сети. В этом случае генетические алгоритмы выступают просто в роли независимого от нейронных сетей альтернативного метода, предназначенного для решения той же самой задачи. Примером может служить задача коммивояжера, изначально решавшаяся при помощи сети Хопфилда. Генетические алгоритмы часто используются совместно с нейронными сетями. Они могут поддерживать нейронные сети или наоборот, либо оба метода взаимодействуют в рамках гибридной системы, предназначенной для решения конкретной задачи. Генетические алгоритмы также применяются совместно с нечеткими системами.
Целью данной выпускной квалификационной работы является повышение принятий решений при проектировании интеллектуальных систем на основе генетических алгоритмов.
Для достижения поставленной цели необходимо решить следующие задачи:
- изучение концепций искусственного интеллекта;
- изучить принцип построения генетического алгоритма;
- из существующих оптимизационных методов выбрать наиболее под¬ходящий для поставленной задачи;
- на основе генетических алгоритмов разработать алгоритм нахождения оптимального решения;
- разработать структуру и принципы функционирования интеллектуальной системы.