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

2ФГБОУ ВО «РОССИЙСКИЙ ЭКОНОМИЧЕСКИЙ УНИВЕРСИТЕТИМЕНИ Г.В. ПЛЕХАНОВА»На правах рукописиХлопкова Ольга АндреевнаМЕТОДЫ И АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПРИНЯТИЯРЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ НА БАЗЕ АППАРАТАНЕЙРОННЫХ СЕТЕЙ И ЭВОЛЮЦИОННОГО МОДЕЛИРОВАНИЯСпециальность 05.13.17 – Теоретические основы информатикиДиссертацияна соискание ученой степеникандидата технических наукНаучный руководитель:Комлева Нина Викторовна,кандидат экономических наук, доцентМосква 20162ОглавлениеВВЕДЕНИЕ ............................................................................................................ 4ГЛАВА 1.

ОБЗОР НЕЙРОЭВОЛЮЦИОННЫХ МЕТОДОВ И СИСТЕМПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ......................................................................................................................................... 111.1.1Постановказадачипринятиярешенийвусловияхнеопределенности ................................................................................................... 111.1.2 Обзор методов и систем поддержки принятия решений в условияхнеопределенности ...................................................................................................

131.3.1 Метод эволюции нейронных систем путем стохастического синтеза................................................................................................................................... 221.3.2 Нейроэволюционный метод расширения топологий ....................... 231.3.3 Метод эволюционной модификации топологии нейронных сетей 261.3.4 Метод оптимизации нейронной сети ................................................. 291.3.5 Метод динамической нейроэволюции с ограничениями ................

311.3.6 Метод адаптивной симбиотической нейроэволюции ...................... 321.3.7 Метод усиления субпопуляций .......................................................... 351.3.8 Стандартный метод нейроэволюции ................................................. 361.3.9 Метод клеточного кодирования ......................................................... 371.3.10 Метод обобщенного наращивания рекуррентных связей ............. 391.3.11 Метод эволюционного программирования нейросети .................. 411.3.12 Метод новой эволюционной стратегии ........................................... 441.3.13 Сравнение и классификация нейроэволюционных методов .........

45ГЛАВА 2. РАЗРАБОТКА НЕЙРОЭВОЛЮЦИОННОГО МЕТОДА ИАЛГОРИТМОВ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ .............................................................................................. 552.1.1 Определение схемы кодирования хромосом .................................... 5532.1.2 Определение генетических операторов............................................. 572.1.3 Определение этапов эволюции топологии и настройки параметровособей ....................................................................................................................... 602.1.4 Определение дополнительных структур данных ............................. 612.2.1 Описание структур данных нейроэволюционного метода ............. 622.2.2 Реализация этапов нейроэволюционного метода .............................

642.3.1 Генетический алгоритм глобального поиска .................................... 662.3.2 Генетический алгоритм локального поиска...................................... 75ГЛАВА 3. РАЗРАБОТКА МЕТОДИКИ ПОДБОРА КРИТЕРИЕВ ОЦЕНКИНЕЙРОЭВОЛЮЦИОННОГО МЕТОДА И ЭМПИРИЧЕСКОЕ ИССЛЕДОВАНИЕЕГО ЭФФЕКТИВНОСТИ ............................................................................................ 823.2.1 Задачи адаптивного управления......................................................... 873.2.2 Задача о классификации точек единичного гиперкуба ...................

913.2.3 Задача восстановления поврежденных данных ................................ 933.2.4 Сравнение эффективности нейэроэволюцонных методов .............. 953.3.1Модельсистемыподдержкипринятиярешенийнабазенейроэволюции...................................................................................................... 1003.3.2 Программная реализация системы поддержки принятия решенийна базе нейроэволюции ........................................................................................ 102ГЛАВА4.ПРАКТИЧЕСКОЕПРИМЕНЕНИЕРАЗРАБОТАННОГОНЕЙРОЭВОЛЮЦИОННОГО МЕТОДА ..................................................................

1094.2.1 Подбор показателей, используемых для многокритериальнойоценки контента .................................................................................................... 1184.2.2 Реализация предварительной обработки данных ........................... 1214.2.3 Архитектура системы интегрированной рейтинговой оценки ..... 123ЗАКЛЮЧЕНИЕ ................................................................................................. 141СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ .................... 143СПИСОК ЛИТЕРАТУРЫ ................................................................................ 1454ВВЕДЕНИЕАктуальность темы исследования. Нейросетевые модели по правусчитаются одним из эффективных инструментов решения широкого круга задачкогнитивистики, прогнозирования и управления.

Они демонстрируют высокиепоказатели качества в системах поддержки принятия решений (СППР),оперирующих неполными, трудноформализуемыми и неточными данными.Успешно разрабатываются, совершенствуются и применяются различные моделиискусственных нейронных сетей (ИНС). Однако масштабному распространениюСППР на базе ИНС препятствуют сложности, связанные с процессом подборатопологии и обучения сети, закономерные в рамках парадигмы нейросетей, нопреодолимые путем гибридизации с методами эволюционного моделирования.Основные трудности обучения ИНС связаны с задачей нахождения глобальногоэкстремума функции ошибки, и именно попытки ее решения способствовалиразвитию нейроэволюционной теории, изучающей гибридные формы настройкинейросетей эволюционными алгоритмами.Большинство известных нейроэволюционных методов применимы длянейросетей определенного типа (например, только прямого распространения илитолько полносвязных), накладывают ряд входных ограничений на ИНС имодифицируют в ходе эволюции не все ее параметры.

При этом для каждойконкретной задачи параметры нейросети выбираются эмпирически, что не всегдаприводит к оптимальным результатам, требует времени и участия эксперта. Всвязи с этим вопросы автоматизации выбора топологии и процесса настройкипараметров нейросетей представляют особый прикладной и научный интерес.Решаемыевдиссертационнойработезадачиреализациипредлагаемогонейроэволюционного метода для интеллектуализации принятия решений вусловиях неопределенности являются важными для исследований в направленииоптимизации СППР.5Степень разработанности темы. В разработку теории принятия решенийвнесли неоспоримый 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 времязанимались многие известные ученые, в том числе У. Маккалок, В. Питтс, М.Минский, Д. Хебб, Ф. Розенблатт. Авторство различных моделей ИНСпринадлежит Т. Кохонену, А. Галушкину, К. Фукусимае, Д. Хопфилду, С.Барцеву, В.

Охонину и другим.Методы эволюционного моделирования представлены в работах такихученых как Дж. Г. Холланд, Н. А. Барричелли, Л. Дж. Фогель, А. Фрейзер.ВопросыгибридизацииИНСиметодовэволюционногомоделированияосвещались 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. Авторство наиболее эффективных нейроэволюционных методовпринадлежит 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,существует необходимость разработки новых нейроэволюционных методов иалгоритмов, позволяющих существенно расширить возможности нейроэволюциии повысить эффективность систем поддержки принятия решений.Цели и задачи диссертационной работы. Целью исследования являетсяразработка метода, модели и алгоритмов на базе аппарата нейронных сетей иэволюционного моделирования для интеллектуализации принятия решений вусловиях неопределенности.Достижение поставленной цели реализуется какрешение комплекса взаимосвязанных задач:61. Исследование, критический анализ и классификация систем поддержкипринятиярешений,атакжеизвестныхнейроэволюционныхметодов,используемых для решения задач в условиях неопределенности.2.

Разработка нейроэволюционного метода для генерирования эффективнойтопологии и автоматической настройки параметров нейросети в соответствии срешаемой практической задачей.3. Разработка алгоритмов глобального и локального генетического поискадляоптимизацииструктурыимодификациипараметровнейросетейпроизвольной топологии.4. Разработка методики расчета основных критериев оценки параметровнейроэволюционного метода для исследования его эффективности на множествеэталонных задач.5.

Построение модели системы принятия решений, инкапсулирующеймодуль для нейроэволюционной обработки данных в условиях неопределенности.6. Разработка программного инструментария, обеспечивающего реализациюнейроэволюционного метода и модели системы поддержки принятия решений вусловиях неопределенности.7.

Экспериментальное исследование работоспособности и эффективностипредложенной модели СППР в приложении к актуальным практическим задачам,а также оценка качества полученных результатов.Объектом исследования является нейроэволюционная интеллектуализацияобработки данных.Предметом исследования является разработка метода и алгоритмовинтеллектуализации поддержки принятия решений в условиях неопределенностина базе нейроэволюции.Область исследования.Работа выполнена в соответствии с п.