19. Генетическое программирование

В искусственном интеллекте генетическое программирование (ГП) — автоматическое создание или изменение программ с помощью генетических алгоритмов. С помощью этой методологии «выращиваются» программы всё лучше и лучше (в соответствии с определенной функцией приспособленности для хромосом), решающие полученную компьютерную задачу.

Выбор способа кодирования программы в генетическом алгоритме — один из основных вопросов генетического программирования. Программа должна быть закодирована в таком виде, чтобы легко было автоматически вносить случайные изменения (оператор мутации) и объединять два алгоритма в один (оператор скрещивания).

Способы кодирования можно разделить на два класса:

• Прямое кодирование — генетический алгоритм работает с программой в явном виде.

• Косвенное кодирование — генетический алгоритм работает не с самим кодом программы, а с правилами его построения. То есть генетический алгоритм работает с программой, которая генерирует нужную нам программу.

20.Интеллект.С-мы управления

ИСУ-это такие с-мы, кот-ые формируют управляющее возд-е на некот.объект с целью изменить его состояние, используя для этого инф-ю о состоянии самого объекта, сост-я внеш.среды и цели управления.Отлич.особ-тью ИСУ яв-ся использ-е методов распознавания образов, обучения, прогнозирования ситуации,поддержка принятия реш-ний для оператора в усл.существенной неопред-ти.

След.принципы управления:

1)разомкнутое управление (без обр.связи)

ОУ-объект управления; Y-вых.пар-ры; U-управл.возд-е;G-задающее возд-е;

F-возмущающее возд-е

«+»простота; «-»невысокая точность управления

2)Замкнутое управление

«+»высокая точность; «-»проблема с устойчивостью, зависит от того,на каком режиме работает управление

3)Адаптивное упр-е

Назнач.устр-ва адаптации:на основе текущей инф-ции о величинах G,E,U,F выбрать такие знач-я пар-ров регулятора при кот-ых замкнутая с-ма имеет желаемые хар-ки.Эти хар-ки соотв.эталонной модели осн.контура.

W_эм(S)=1/(TS+1) (передат.ф-я перед-ого звена). Т-желаемое быстр-е осн.контура.

«+»реш-е проблем устойчивости за счет перенастройки пар-ров регулятора; «-»алг-м адаптации жесткий.

4)Интеллектуальное упр-е

Ф-ции отд.уровней управления:

1.-форм-е управл-щих возд.на объект.

2.-слежение за внеш.обстановкой, координация работы регуляторов нижнего уровня,настройка пар-ров регуляторов.

3.-уровень принятия стратегич.реш-ний,изменение цели управления.

5)IPDI

Особенности реализ-ции такой с-мы:возм-ть использ-я неч.логики для управл.объектом.

Принцип работы с-мы:на входе блока фазиф.под-ся 2 входа Е и Е^,, в данном блоке выч-ся знач-я ф-ции принадлежности.

z-zero; PM-positive Middle; PL- positive large; NM-negative Middle; NL- negative large.

МЛВ: произв-ся выч-е ф-ции принадлежности для управл-щего возд-я для U с пом-ю метода maxmin или maxпроизведения .Исп-ся правило,нах-ся в базе правил.В блоке деффазификации выч-ся четкое знач-е управл.знач-я U с пом-ю центра тяжести.

«+»не надо знать мат.модель; много режимов; опыт экспертов.

Др.возм.пр:регуляторы, построенные на основе нейронных сетей.

НС исп-ся в кач-ве регулятора; ε= Y-Y_ЭМ –ошибка контура адаптации.

НС обучается т.о.,что бы ε->min.

Задача идентификации:

Е=Y-Y_НС->min

Идентиф.ОУ-построение модели ОУ по наблюдениям его входа и выхода во времени.

21. Иерархическая организация ИСУ(ватный вопрос)

С ростом числа задач управления в сложных системах значительно увеличивается объем переработанной информации и повышается сложность алгоритмов управления. В результате осуществлять управление централизо­ванно невозможно, так как имеет место несоответствие между сложностью управляемого объекта и способностью любого упра­вляющего органа получать и перерабатывать информацию.

Очевидно, что иерархия задач управления приводит к необхо­димости создания иерархической системы средств управления. Такое разделение, позволяя справиться с информационными трудностями для каждого местного органа управления, порождает необходимость согласования принимаемых этими органами реше­ний, т. е. создания над ними нового управляющего органа. На каждом уровне должно быть обеспечено максимальное соот­ветствие характеристик технических средств заданному классу задач.

Кроме того, многие производственные системы имеют соб­ственную иерархию, возникающую под влиянием объективных тенденций научно-технического прогресса, концентрации и спе­циализации производства, способствующих повышению эффектив­ности общественного производства. Чаще всего иерархическая структура объекта управления не совпадает с иерархией системы управления. Следовательно, по мере роста сложности систем выстраивается иерархическая пирамида управления. Управляе­мые процессы в сложном объекте управления требуют своевремен­ного формирования правильных решений, которые приводили бы к поставленным целям, принимались бы своевременно, были бы взаимно согласованы. Каждое такое решение требует постановки соответствующей задачи управления. Их совокупность образует иерархию задач управления, которая в ряде случаев значительно сложнее иерархии объекта управления.

22. Мультиагентные системы

Многоагентная система — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы. Примерами таких задач являются онлайн-торговля, ликвидация чрезвычайных ситуаций, и моделирование социальных структур

В многоагентной системе агенты имеют несколько важных характеристик:

• Автономность: агенты, хотя бы частично, независимы

• Ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента.

• Децентрализация: нет агентов, управляющих всей системой

23. Роевой интеллект

Роевой интеллект ( Swarm intelligence) описывает коллективное поведение децентрализованной самоорганизующейся системы. Рассматривается в теории искусственного интеллекта как метод оптимизации.

Системы роевого интеллекта, как правило, состоят из множества агентов (Многоагентная система) локально взаимодействующих между собой и с окружающей средой. Сами агенты обычно довольно просты, но все вместе, локально взаимодействуя, создают так называемый роевой интеллект. Примером в природе может служить колония муравьев, рой пчел, стая птиц, рыб...

24. Перспективы развития ИИ

1. Мягкие вычисления- это интеграция разл.методов ИИ(неч.логики,НС, ген.алг., неч.когнитивные карты и т.д.)с целью получить синергетический эффект при реш-и пост.задачи.

2. Внедрение интеллектуальных роботов в повседневную жизнь.

3. Автономный искусственный интеллект.

4. Искусственная жизнь.

5. Нейрогенетическое моделирование.

6. Интеллектуальный интерфейс в сети интернет.