Генетические алгоритмы в изобретательских задачах

Понятия и определения теории генетических алгоритмов. Математический базис изобретательской физики. Генетический алгоритм изобретательской задачи. Описание операторов генетических алгоритмов. Система мысленного поиска и слежения в сознании изобретателя.

Рубрика Экономико-математическое моделирование
Вид курсовая работа
Язык русский
Дата добавления 22.05.2012
Размер файла 723,2 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

(8)

Далее рассчитаем вероятность селекции первой особи по формуле (7) . Сектор колеса рулетки, соответствующий первой особи, по формуле (6) равен: Аналогичный расчет делает для всех остальных особей популяции. Результаты приведены в четвертом столбце таблицы 3. То есть мы последовательно отмеряем каждой особи ее часть на колесе рулетки. Распределение секторов по колесу рулетки приведено на рисунке 17, каждый сектор подписан соответствующим номером особи.

Розыгрыш с помощью колеса рулетки сводится к случайному выбору числа из интервала [0, 100], указывающего на соответствующий сектор на колесе, т. е. на конкретную особь. Выберем из нашей популяции методом рулетки 34 пары особей. Поясним: пусть на рулетке выпадает число 61, оно располагается промежутке от 60,34до 62,07, этому промежутку соответствует особь L4T-1- физическая размерность скорости смещения объема - это первая особь родительской пары. Далее разыгрываем рулетку снова, выпадает число 56, попадающее в промежуток от 55,17до 56,90, что соответствует особи L1T-1 - физическая размерность линейной скорости - вторая родительская особь. Таким образом, получили первую пару особей для скрещивания. Производим скрещивание по формуле (3), где Lm1Tn1 и Lm2Tn2- родители, Lm3Tn3- потомок.

Получаем потомка:L5T-2 = L4T-1 ·L1T-1- физическая размерность момента инерции. В случае, если размерность потомка физически не реализуема, выбираем случайным образом в качестве потомка любую особь из исходной популяции с соответствующей функцией приспособленности.

Далее рассчитаем функцию приспособленности потомка по формуле:

Где fп - функция приспособленности потомка, f1 и f2 - функции приспособленности родителей,fисх - исходная функция приспособленности потомка.

Получаем функцию приспособленности рассматриваемого потомка (1+1+1)/3=1.

Аналогичным образом получаем 34 остальных потомка с соответствующими функциями приспособленности. Возможна ситуация, когда от разных родителей или при случайном выборе из исходной популяции появляются одинаковые потомки, в этом случае оставляется только одна особь из группы совпадающих, а ее функция приспособленности вычисляется по формуле:

(10)

гдеfп - результирующая функция приспособленности в группе совпадающих потомков, fк- функция приспособленностиk-го совпадающего потомка, М - общее количество совпадающих потомков.

Таким образом, каждая особь исходной популяции получила шанс, как передать свою генетическую информацию потомку, так и без изменений перейти в следующую популяцию. Особи-потомки являются новой популяцией, для которой снова по формулам (6) и (7) рассчитываем сектора рулетки, производим селекцию и скрещивание, т.е. осуществляем вторую итерацию алгоритма и аналогично последующие итерации.

После пяти итераций алгоритма наибольшую функцию приспособленности среди особей, расположенных на родительском тренде, имеет особьL1T1 , на втором местеL3T-1- объемный расход. В нашей задаче, решенной по АРИЗу, именно объемный расход является тем физическим свойством, которым обладает икс-элемент одного их «хороших» решений: использование проточной воды для нейтрализации «плохого» действия пламени горелки. Возможно, что с увеличением итераций этот параметр выйдет на первое место по приоритету[3].

Заключение

Общий эффект от использования генетического алгоритма для поиска решения в изобретательской задаче является положительным. Однако метод имеет существенный изъян - необходимость ранжировать физические размерности, т.е. в зависимости от задачи присваивать им те или иные баллы. Очевидно, что наиболее приспособленными должны назначаться особи, которые определяют свойства ресурсов, имеющихся в избытке. Это определяется при анализе ВПР.

По существу ТРИЗ в узком смысле - это набор «отмычек» к трудной ситуации. Одной из таких ситуаций может быть неутолимое желание стать чемпионом по части изобретений (эдакая разновидность интеллектуального спорта), если не по качеству, так количеству. Ну, что ж: бросаете завод, осваиваете хотя бы азы патентоведения, затем - инструментарий ТРИЗ, и вперёд, вдоль ЗРТС, отталкиваясь от уже существующих изобретений. Будете если не Каспаровым от изобретательства, то хотя бы «DeepFritz». НоеслизахотитесравнятьсясРайтамиилипопастьвсписоктипа «Life Special issue: The most important Americans of the 20-th Century.1990», то знания классической ТРИЗ в узком смысле маловато будет: в ней хорошо отработано развитие кардинально новой идеи, и только-только начато - её зарождение.

ТРИЗ можно понимать в широком смысле: как инструмент рационального мышления, опирающегося на максимально адекватное восприятие мира. В этом случае изобретения будут, в лучшем случае, побочным результатом. И то лишь тогда, когда решение содержит патентуемый набор признаков. И если вам это интересно.

Но если вы будете понимать ТРИЗ именно так, в широком смысле, то чемпионат по изобретениям будет казаться вам совсем неинтересным, невыносимо скучным и тоскливо приземлённым. Разве что как область, где можно разработать высокоэффективный алгоритм, скажем, создания зонтичных патентов, параллельно вскрыв две-три интересных закономерности, переходящих в теорию чего-то там. В этом-то и будет заключаться основная приятность. Но ещё приятней будет, если при этом аргументировано и обстоятельно удастся «потоптать» какую-либо чужую теорию.

Вполне возможно, что вас вынесет на нечто такое, что вы просто побоитесь выносить на широкую публику. Например, на теорию создания предпринимательских идей. Или на технологию разработки «зонтиков» гигантских размеров. И вы будете маяться, как какой-нибудь подпольный обладатель краденого шедевра: и похвастать хочется, и лучше не надо.

А какие великолепные возможности для приложения ТРИЗ открываются в области социальных систем и, соответственно, проблем? То, что сейчас там творится, имеет отношение к науке примерно такое же, как средневековая алхимия - к современной химии. «Бизнес-консультанты» (от признанных «гуру» до любителей) так изощряются в выдумывании своих рецептов, что просто диву даёшься их изобретательности. И сами же признают (правда, чаще всего, в отношении чужих рецептов), что они действуют только либо на нескольких конкретных предприятиях (чей опыт и был превращён в рецепт), либо на несколько большем числе предприятий, но в авторском исполнении. Это поле даже не столько для приложения ТРИЗ, сколько для её развития, универсализации её инструментария.

Не менее возможно, что вас занесёт в область, где ваш голосок будет тоньше комариного писка на фоне зычного рыка «забронзовевших» авторитетов, постоянных авторов, скажем, «Nature». Тогда вашу супер-идею просто в упор не увидят. Но тем захватывающей будет борьба, но тем выше будет ваше самоуважение: противником будет не какой-нибудь начальник или патентовед, каких много. Это будет борьба за место в истории, в списках великих.

Что такое по сравнению с такими результатами жалкое удовольствие от счёта «забитых» и «промазавших» заявок? Какой они оставят след в памяти людей (кроме пыльных, пожелтевших бюллетеней)? Разве что кто готов удовольствоваться и этим.

Напоследок уместно вспомнить рекламный слоган, одно время мелькавший кругом: «Хочешь быть богатым, будь им». Важно не рассуждать о полезности ТРИЗ, а делом доказывать её. Для себя. Решайте проблемы, дерзайте на здоровье - и пусть вам завидуют[4].

Литература

1. Теория и практика эволюционного моделирования /В.В. Емельянов, В.М. Курейчик, В.В. Курейчик / Генетические алгоритмы, 2003. -С. 91 - 121.

2. Применение методов технического творчества и инновационной деятельности / А.Б. Бушуев /Генетические алгоритмы в изобретательской задаче, 2011.- С. 112 - 121.

3. Бушуев А.Б. Использование генетических алгоритмов для решения изобретательских задач[Электронный ресурс], 2011.http://www.metodolog.ru/node/975

4. Энциклопедия ТИРИЗ [Электронный ресурс], 2011. http://www.triz.org.ua/ , http://www.triz.org.ua/data/w115.html

5. BushuevA. Technical Contradiction Control on Invention Problem//The TRIZ Journal, December 2004

6. Крылья для Икара: Как решать изобретательские задачи./ Альтшуллер Г.С., Селюцкий А.Б. /Петрозаводск: Карелия, 1980. - 224 C.

Размещено на Allbest


Подобные документы

  • Эволюционные процессы в природе. Принципы работы генетических алгоритмов - методов оптимизации многопараметрических функций. Операторы ГА, выбора родительской пары, отбора особей в новую популяцию. Разнообразие ГА, их модернизация. Модели параллельных ГА.

    курсовая работа [292,0 K], добавлен 18.06.2012

  • Общая схема процесса проектирования. Формализация построения математической модели при проведении оптимизации. Примеры использования методов одномерного поиска. Методы многомерной оптимизации нулевого порядка. Генетические и естественные алгоритмы.

    курс лекций [853,2 K], добавлен 03.01.2016

  • Основы теории графов, отличительные характеристики и свойства ориентированных и не ориентированных графов. Маршруты, цепи, циклы в графах. Описание структуры программы, ее алгоритм и основные шаги. Особенности проведения диалога с пользователем.

    курсовая работа [687,2 K], добавлен 15.03.2011

  • Постановка цели моделирования. Идентификация реальных объектов. Выбор вида моделей, математической схемы. Построение непрерывно-стахостической модели. Основные понятия теории массового обслуживания. Определение потока событий. Постановка алгоритмов.

    курсовая работа [50,0 K], добавлен 20.11.2008

  • Простейшие алгоритмы направленного случайного поиска. Алгоритм наилучшей пробы с направляющим гиперквадратом. Многоканальный статистический оптимизатор со случайным поиском. Метод статистического градиента. Локальный случайный поиск по наилучшей пробе.

    курсовая работа [1,7 M], добавлен 08.02.2015

  • Задачи оптимизации сложных систем и подходы к их решению. Программная реализация анализа сравнительной эффективности метода изменяющихся вероятностей и генетического алгоритма с бинарным представлением решений. Метод решения задачи символьной регрессии.

    диссертация [7,0 M], добавлен 02.06.2011

  • Построение математической модели двойственной задачи (системы ограничений по единичной прибыли и целевую функцию общих издержек на сырье. Определение оптимального набора цен на сырье, обеспечивающего минимум общих затрат на сырье. Анализ переменных.

    контрольная работа [632,5 K], добавлен 18.05.2015

  • Основные положения теории игр. Терминология и классификация игр. Решение матричных игр в чистых и в смешанных стратегиях. Сведение матричной игры к задаче линейного программирования. Применение теории игр в задачах экономико-математического моделирования.

    курсовая работа [184,5 K], добавлен 12.12.2013

  • Основные понятия теории графов. Матричные способы задания и упорядочение элементов. Применение графов для решения экономической и планово-производственной практики. Постановка, основные определения и алгоритм решения задачи о максимальном потоке.

    курсовая работа [544,2 K], добавлен 22.02.2009

  • Теория игр как раздел математики для изучения конфликтных ситуаций. Основные понятия и критерии теории игр, количество стратегий. Увеличение среднего выигрыша путем применения смешанных стратегий. Мажорирование (доминирование) стратегий, алгоритм решения.

    курсовая работа [207,8 K], добавлен 27.05.2009

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.