Автореферат (Методы и алгоритмы интеллектуализации принятия решений в условиях неопределенности на базе аппарата нейронных сетей и эволюционного моделирования)

На правах рукописиХлопкова Ольга АндреевнаМЕТОДЫ И АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПРИНЯТИЯ РЕШЕНИЙ ВУСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ НА БАЗЕ АППАРАТА НЕЙРОННЫХ СЕТЕЙ ИЭВОЛЮЦИОННОГО МОДЕЛИРОВАНИЯСпециальность 05.13.17 – Теоретические основы информатикиАВТОРЕФЕРАТдиссертации на соискание ученой степеникандидата технических наукМосква 20162Работа выполнена в Федеральном государственном бюджетном образовательномучреждении высшего образования «Российский экономический университет имени Г.В.Плеханова (РЭУ им.

Г.В. Плеханова) на кафедре «Автоматизированные системы обработкиинформации и управления» (АСОИиУ)Научный руководитель:Комлева Нина Викторовна,кандидат экономических наук, доценткафедры «Автоматизированные системыобработки информации и управления»ФГБОУ ВО РЭУ им. Г.В.

ПлехановаОфициальные оппоненты:Андрейчикова Ольга Николаевна, доктортехнических наук, профессор, ведущийнаучныйсотрудникЦентральногоэкономико-математическогоинститутаРоссийской Академии НаукДемидова Лилия Анатольевна, доктортехнических наук, профессор кафедры«Вычислительная и прикладная математика»ФГБОУ ВПО «Рязанский государственныйрадиотехнический университет»Ведущая организация:ФГБОУ ВО «Московский технологическийуниверситет», г. МоскваЗащита диссертации состоится «09» июня 2016 года в 13:00 часов на заседаниидиссертационного совета Д212.147.03, созданного на базе МГУП имени Ивана Федорова поадресу: 127550 Москва, ул.

Прянишникова, д. 2А.С диссертацией можно ознакомиться в библиотеке МГУП имени Ивана Федорова и насайте http://mgup.ruАвтореферат разослан «Ученый секретарьдиссертационного советаД212.147.03» ___________ 2016 г.Щербина Юрий Владимирович3ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темы исследования. Нейросетевые модели по праву считаются однимиз эффективных инструментов решения широкого круга задач когнитивистики,прогнозирования и управления. Они демонстрируют высокие показатели качества в системахподдержки принятия решений (СППР), оперирующих неполными, трудноформализуемыми инеточными данными. Успешно разрабатываются, совершенствуются и применяютсяразличные модели искусственных нейронных сетей (ИНС). Однако масштабномураспространению СППР на базе ИНС препятствуют сложности, связанные с процессомподбора топологии и обучения сети, закономерные в рамках парадигмы нейросетей, нопреодолимые путем гибридизации с методами эволюционного моделирования.

Основныетрудности обучения ИНС связаны с задачей нахождения глобального экстремума функцииошибки, и именно попытки ее решения способствовали развитию нейроэволюционнойтеории, изучающей гибридные формы настройки нейросетей эволюционными алгоритмами.Большинство известных нейроэволюционных методов применимы для нейросетейопределенного типа (например, только прямого распространения или только полносвязных),накладывают ряд входных ограничений на ИНС и модифицируют в ходе эволюции не все еепараметры. При этом для каждой конкретной задачи параметры нейросети выбираютсяэмпирически, что не всегда приводит к оптимальным результатам, требует времени иучастия эксперта.

В связи с этим вопросы автоматизации выбора топологии и процессанастройки параметров нейросетей представляют особый прикладной и научный интерес.Решаемые в диссертационной работе задачи реализации предлагаемого нейроэволюционногометода для интеллектуализации принятия решений в условиях неопределенности являютсяважными для исследований в направлении оптимизации СППР.Степень разработанности темы. В разработку теории принятия решений внеслинеоспоримый вклад видные отечественные и зарубежные ученые: А.Н. Колмогоров,И.В. Павлов, Э.А. Трахтенгерц, Л. Вайс, Л.

Заде, Т. Андерсон, Е. Пейдж, Т. Саати и другие.Развитием теории искусственных нейронных сетей в разное время занимались многиеизвестные ученые, в том числе У. Маккалок, В. Питтс, М. Минский, Д. Хебб, Ф. Розенблатт.Авторство различных моделей ИНС принадлежит Т.

Кохонену, А. Галушкину, К.Фукусимае, Д. Хопфилду, С. Барцеву, В. Охонину и другим.Методы эволюционного моделирования представлены в работах таких ученых какДж.Г. Холланд, Н.А. Барричелли, Л.Дж. Фогель, А. Фрейзер. Вопросы гибридизации ИНС иметодов эволюционного моделирования освещались в работах следующих ученых:В. Добрынин, С. Ульянов, А. Мишин, Г. Бени, Д.Е. Румельхарт, Л. Ванг, И.

Рехенберг, Дж.Миллер,К.Стэнли,Р.Мииккулайнен.Авторствонаиболееэффективныхнейроэволюционных методов принадлежит таким известным ученым как Ф. Паземан,П. Энжелин, Г. Сондерс, Г. Шер, Л. Шеффер, Ф. Грюау, Кс. Яо, Ю. Ли, Х. Китано, С. Нолфи,Д. Париси, Л. Элман.Несмотря на наличие значительного количества работ в данной области, существуетнеобходимость разработки новых нейроэволюционных методов и алгоритмов, позволяющихсущественно расширить возможности нейроэволюции и повысить эффективность системподдержки принятия решений.Цели и задачи диссертационной работы.

Целью исследования является разработкаметода, модели и алгоритмов на базе аппарата нейронных сетей и эволюционногомоделирования для интеллектуализации принятия решений в условиях неопределенности.Достижение поставленной цели реализуется как решение комплекса взаимосвязанных задач:1.

Исследование, критический анализ и классификация систем поддержки принятиярешений, а также известных нейроэволюционных методов, используемых для решения задачв условиях неопределенности.42. Разработка нейроэволюционного метода для генерирования эффективнойтопологии и автоматической настройки параметров нейросети в соответствии с решаемойпрактической задачей.3. Разработка алгоритмов глобального и локального генетического поиска дляоптимизации структуры и модификации параметров нейросетей произвольной топологии.4. Разработка методики расчета основных критериев оценки параметровнейроэволюционного метода для исследования его эффективности на множестве эталонныхзадач.5.

Построение модели системы принятия решений, инкапсулирующей модуль длянейроэволюционной обработки данных в условиях неопределенности.6. Разработка программного инструментария, обеспечивающего реализациюнейроэволюционного метода и модели системы поддержки принятия решений в условияхнеопределенности.7. Экспериментальное исследование работоспособности и эффективностипредложенной модели СППР в приложении к актуальным практическим задачам, а такжеоценка качества полученных результатов.Объектом исследования является нейроэволюционная интеллектуализацияобработки данных.Предметомисследованияявляетсяразработкаметодаиалгоритмовинтеллектуализации поддержки принятия решений в условиях неопределенности на базенейроэволюции.Область исследования.

Работа выполнена в соответствии с п. 2 «Исследованиеинформационных структур, разработка и анализ моделей информационных процессов иструктур», п. 8 «Исследование и когнитивное моделирование интеллекта, включаямоделирование поведения, моделирование рассуждений различных типов, моделированиеобразного мышления» и п. 13 «Применение бионических принципов, методов и моделей винформационных технологиях» паспорта специальности 05.13.17 – «Теоретические основыинформатики».Научная новизна заключается в следующих научно обоснованных результатах,полученных лично автором в ходе диссертационного исследования:1. Разработан новый нейроэволюционный метод, позволяющий корректироватьтопологию и параметры нейросети и обладающий оригинальной совокупностью свойств,основными из которых являются адаптивность структуры и низкая связность особей,динамичность эволюции, а также возможность гибридизации.

В отличие от большинстваклассических реализаций нейроэволюции, метод лишен таких недостатков как конкуренцияпредставлений, незащищенность инноваций, проблемы начального размера итопологических инноваций.2. Разработаны алгоритмы глобального и локального генетического поиска,позволяющие, в отличие от существующих, модифицировать нейросеть произвольнойтопологии и направлять эволюцию как по пути структурного упрощения, так и структурногоусложнения ИНС, за счет чего достигается снижение ресурсоемкости и расширениепространства генетического поиска.3.

Разработана методика подбора и расчета критериев оценки нейроэволюционногометода для его практического применения в качестве модуля СППР. Данные критерииявляются наиболее полными в сравнении с известными критериями для аналогичныхметодов. Они позволяют учитывать такие параметры генетического представления каконтогенетическая приспосабливаемость, множественность, компактность, замкнутостьпредставления, устойчивость, а также совокупные характеристики процесса эволюции ихарактеристики генерируемых нейросетей.4.

Разработана модель системы поддержки принятия решений в условияхнеопределенности на базе нейроэволюции. В отличие от существующих СППР, такая5система является самообучаемой: в ходе нейроэволюции она может быть модифицирована всоответствии с изменяющимися условиями задачи.5. Разработан программный инструментарий, обеспечивающий реализациюнейроэволюционного метода и модели системы поддержки принятия решений в условияхнеопределенности и позволяющий использовать его при решении практических задачинтеллектуализации обработки данных в качестве встраиваемого или автономного модуляСППР.Теоретическая и практическая значимость работы. Основные положениядиссертации представляют собой определенный вклад в теорию принятия решений в частирешения задач в условиях неопределенности с помощью методов на базе нейросетей иэволюционного моделирования.Выводы и результаты исследования ориентированы на практическое применениеразработанного метода и алгоритмов в интеллектуальных системах поддержки принятиярешений, оперирующих данными в условиях неопределенности.

Самостоятельноепрактическое значение имеет программный инструментарий, созданный на основе данногометода и реализующий нейроэволюционную модель системы поддержки принятий решенийв условиях неопределенности.Методология и методы исследования. Для решения поставленных задачприменялись методы теоретической информатики, теории принятия решений,вычислительной математики, математического анализа, математического моделирования итеории искусственного интеллекта.Положения, выносимые на защиту:1.

Нейроэволюционный метод для начального конфигурирования, настройкипараметров, оптимизации топологии и обучения нейросетей с произвольной топологией.2. Алгоритмы глобального и локального генетического поиска для оптимизациитопологии и параметров нейросетей, формируемых в ходе нейроэволюции.3.

Методика подбора и расчета критериев оценки нейроэволюционного метода для егопрактического применения в качестве модуля СППР.4. Модель системы поддержки принятия решений, инкапсулирующая модульнейроэволюционной обработки данных в условиях неопределенности.5. Результаты экспериментальных исследований метода, алгоритмов и модели СППР,проведенные на разработанном программном инструментарии в приложении к актуальнымпрактическим задачам, оценка качества полученных результатов.Степень достоверности и апробация результатов. Результаты диссертационнойработы внедрены в Научно-исследовательском финансовом институте Минфина России(НИФИ) при разработке СППР для защиты от DDoS-атак, а также при разработке СППР дляавтоматизации обработки материалов в виртуальной среде и контроля процесса научнойдеятельности.Основные положения работы доказывались на следующих конференциях исеминарах:1.

Всероссийская научно-практическая конференция «Математические методы иинтеллектуальные системы в экономике и образовании», Ижевск, 2013 г.2. Международная научно-практическая конференция «Ценности и интересысовременного общества», Москва, 2013 г.3.