Аннотації

РЕАЛІЗАЦІЯ ГЕНЕТИЧНОГО АЛГОРИТМУ ШЛЯХОМ ЗАСТОСУВАННЯ ПРОДУКЦІЙНИХ ПРАВИЛ

Автор(и):
Цюцюра М.І., Єрукаєв А.В, Гоц В.В., Костишина Н.В.
Автор(и) (англ)
Tsiutsiura Mykola, Yerukaiev Andrii, Hots Vladyslav, Kostyshyna Nataliia
Дата публікації:

12.09.2019

Анотація (укр):

На сьогодні відома велика кількість алгоритмів для розв'язання чітко структурованих задач, а також методів, що необхідні для вирішення проблем, для яких відсутні чіткі визначені кроки знаходження розв'язку. Серед них найбільш поширеними є методи штучного інтелекту, а особливо "м'які методи", основою яких є спрощене представлення діяльності живої природи. Одним з них є генетичний алгоритм, що моделює еволюційні підходи (схрещення, селекцію та мутацію). На жаль, основним його недоліком є складний математичний апарат, що описує цей алгоритм. Пропонується підхід, що дасть змогу обійти таку проблему. Його основою також є метод, що належить до штучного інтелекту – продукційні правила. Завдяки ним можна відійти від застосування складних формул і зосередити увагу саме на розв'язанні поставленої задачі. Розглянуто основні етапи виконання такого підходу на прикладі, що описує застосування генетичного алгоритму при заміні думок експертів в процесі формування функцій належностей нечітких множин.

Анотація (рус):

На сегодняшний день существует большое количество алгоритмов для решения четко структурированных задач, а также методов, необходимых для решения проблем для которых отсутствуют четкие определенные шаги нахождения результата. Среди последних наиболее распространены методы искусственного интеллекта, а особенно "мягкие методы", основой которых является упрощенное представление деятельности живой природы. Одним из них является генетический алгоритм, моделирующий эволюционные подходы (скрещивание, селекцию и мутацию). К сожалению, основным его недостатком является сложный математический аппарат, описывающий данный алгоритм. Предлагается подход, который позволит обойти данную проблему. Его основой также является метод, относящийся к искусственному интеллекту - продукционные правила. Благодаря им можно отойти от применения сложных формул и сосредоточить внимание именно на решении поставленной задачи. В данной статье рассмотрены основные этапы выполнения данного подхода на примере, что описывает применение генетического алгоритма при замене мнений экспертов в процессе формирования функций принадлежностей для нечетких множеств.

Анотація (англ):

Today, there are a large number of algorithms for solving clearly structured problems, as well as methods necessary to solve problems for which there are no clear definite steps to find the result. Among the latter, the most common methods of artificial intelligence, and especially “soft methods”, the basis of which is a simplified representation of wildlife. One of them is a genetic algorithm that models evolutionary approaches (crossbreeding, selection and mutation). Genetic algorithms are used to solve complex scientific tasks and problems, which are part of a class of evolutionary algorithms, which are based on biological principles of natural selection. But for every single task of mathematical modeling and optimization, genetic algorithms need to be adapted and modified according to the subject area and the task, which requires the use of an additional complex mathematical apparatus. So, its main drawback is the complex mathematical apparatus that describes this algorithm. An approach is proposed that will circumvent this problem. Its basis is also a method related to artificial intelligence - production rules. Thanks to them, you can move away from the use of complex formulas and focus on solving the task. This article discusses the main stages of the implementation of this approach using an example that describes the use of the genetic algorithm when replacing the opinions of experts in the process of forming membership functions for fuzzy sets.

Література:

  1. Уэно X. Представление и использование знаний [Текст] / X. Уэно, М. Исидзука. – Москва: Мир, 1989. – 225 с.
  2. Джарратано Д. Экспертные системы: принципы разработки и программирование [Текст] / Д. Джарратано, Г. Райли. – Москва: Вильямс, 2007. – 1148 с.
  3. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс] / С.Д. Штовба. – Режим доступа: http://matlab.exponenta.ru/iTizzylogic/bookl/
  4. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы [Текст] / Д. Рутковская, М. Пилиньский, Л. Рутковский – Москва: Горячая линия-Телеком, 2006. – 452 с.
  5. Цюцюра М.І. Застосування генетичного алгоритму для формування функції належності нечітких множин [Текст] / М.І. Цюцюра, А.В. Єрукаєв // Управління розвитком складних систем. – 2018. – № 34. – С. 71 – 75.
  6. Гайна Г.А. Застосування семантичної мережі для представлення факторів у житловому будівництві [Текст] / Г.А. Гайна, А.В. Єрукаєв // Управління розвитком складних систем. – 2015. - № 22 (1). – С. 95-100.
  7. Гайна Г.А. Теоретичний аналіз складових житлового будівництва [Текст] / Г.А. Гайна, А.В. Єрукаєв // Управління розвитком складних систем. – 2014. - № 20 (1). – С. 116-119.
  8. Цюцюра М.І. Структура інформаційних потоків в інформаційній системі виробничого підприємства [Текст] / М.І. Цюцюра, О.В. Криворучко, Т.М. Мединська // Управління розвитком складних систем. – 2019. – № 37.  – С. 205 – 209, dx.doi.org\10.6084/m9.figshare.9783248
  9. Цуканова Н.И. Технология разработки экспертных систем на языке Visual Progolog 7.5: учебное пособие [Текст] / Н.И. Цуканова, К.А. Майков. – Москва: КУРС, 2017. – 256 с.
  10. Математические основы искусственного интеллекта: теория LP-структур для построения и исследования моделей знаний продукционного типа [Текст] / под ред. В.А.Васенина. – Москва: МЦНМО, 2009. – 304 с.
  11. Ручкин В.Н. Универсальный искусственный интеллект и экспертные системы / В.Н. Ручкин, В.А. Фулин – СПб.: БХВ-Петербург, 2009. – 240 с.
  12. Николайчук О.А. Компонентный подход: модуль продукционной экспертной системы [Текст] / О.А. Николайчук, А.И. Павлов, А.Ю. Юрин // Программные продукты и системы. – 2010. - № 3. – С. 41-44.

 

References:

  1. Ueno X., Isidzuka M. (1989). Presentation and use of knowledge. Moscov: Mir., 225 [in Russian].
  2. Dzharratano D., Rajli G. (2007). Expert systems: principles of development and programming. Moscov: Vilyams, 1148 [in Russian].
  3. Shtovba S.D. (2005). Introduction to the theory of fuzzy sets and fuzzy logic. Retrieved from: http://matlab.exponenta.ru/iTizzylogic/bookl/ [in Russian].
  4. Rutkovskaya D., Pilinskij M., Rutkovskij L. (2006). Neural networks, genetic algorithms and fuzzy systems. Moscov: Goryachaya liniya-Telekom, 452 [in Russian].
  5. Haina H.A., Yerukaiev A.V. (2018). Application of the genetic algorithm for the formation of the membership function of fuzzy sets. Management of Development of Complex Systems, 36, 71 – 75 [in Ukrainian].
  6. Haina H.A., Yerukaiev A.V. (2014). The use of semantic networks to represent factors in housing construction. Management of Development of Complex Systems, 22 (1), 95 – 100 [in Ukrainian].
  7. Haina H.A., Yerukaiev A.V. (2014). Theoretical analysis of constituents of residential construction. Management of Development of Complex Systems, 20 (1), 116 – 119 [in Ukrainian].
  8. Tsiutsiura M.I., Kryvoruchko O.V., Medinska T.M. (2019). Structure information flow in information systems manufacturing enterprises. Management of development of complex systems, 37, 205 – 209 [in Ukrainian], dx.doi.org\10.6084/m9.figshare.9783248.
  9. Czukanova, N.I., Majkov K.A. (2017). Technology for developing expert systems in the language Visual Progolog 7.5. Moscov: KURS – 256 [in Russian].
  10.  Vasenina V.A. (2009). The mathematical foundations of artificial intelligence: the theory of LP-structures for the construction and study of knowledge models of the productive type. Moscov: MCzNMO – 304. [in Russian].
  11. Ruchkin V.N., Fulin V.A. (2009). Universal artificial intelligence and expert systems. St. Petersburg: BKhV-Peterburg, 240 [in Russian].
  12. Nikolajchuk O.A., Pavlov A.I., Yurin, A.Y. (2010). Component approach: production expertise system module. Software Products and Systems, 3, 41-44 [in Russian].