Россия
Рассмотрены возможности использования генетических алгоритмов (ГА) в качестве основы для создания систем искусственного интеллекта (ИИ). Преимуществами ГА является универсальность, то есть возможность использования для решения различных задач, где требуется нахождение оптимального решения задачи, а также способность к работе с неполными или зашумленными данными.Подробно рассмотрены особенности поиска оптимального решения, основанного на эволюционном процессе, и алгоритм работы ГА, который содержит основные этапы работы ГА: создание начальной популяции, отбор наиболее приспособленных особей по значению функции приспособленности (целевой функции), скрещивание (рекомбинация) и мутация. Рассмотрено масштабирование функции приспособленности (целевой функции), выполняемое одним из трех методов: линейное масштабирование, степенное масштабирование и сигма-отсечение. Подробно рассмотрены методы кодирования информации в ГА, включая целочисленное, вещественное и логарифмическое кодирование. Особое внимание уделено вопросу сходимости ГА, зависящей от правильного, на начальном и конечном этапах работы ГА, использования на шаге рекомбинации операторов мейоза и митоза. Рассмотрены области применения ГА, а также ограничения, присущие генетическим алгоритмам.
искусственный интеллект, генетический алгоритм, кодирование информации, масштабирование, мутация, популяция, рекомбинация, отбор, функция приспособленности, целевая функция, оптимизация
1. Аверкин А.Н., Гаазе-Рапопорт М.Г., Поспелов Д.А. Толковый словарь по искусственному интеллекту. М.:Радио и связь, 1992. 256 с.
2. Девятков В. В. Системы искусственного интеллекта. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001.
3. Гладков Л. А., Курейчик В. В, Курейчик В. М. и др. Биоинспирированные методы в оптимизации: монография. М: Физматлит, 2009.
4. Baluja S. Genetic algorithms and search statistics. MIT Pres
5. Davis L. Handbook of Genetic Algorithms. “Van Nostrand Reinhold”, 2009.
6. Michalewitch Z. Genetic Algorithms. Springer-Verlag, 2012.
7. Лабинский А.Ю., Щербаков О.В. Особенности использования компьютерной симуляции эволюционных процессов // Проблемы управления рисками в техносфере. 2017.
8. Лабинский А.Ю. Использование генетического алгоритма для многокритериальной оптимизации // Проблемы управления рисками в техносфере. № 4, 2018.
9. Лабинский А.Ю. Многопараметрическая оптимизация с помощью генетического алгоритма // Проблемы управления рисками в техносфере. № 2, 2020.
10. Лабинский А.Ю. Перспективные направления компьютерного моделиро-вания сложных процессов и систем: монография. СПб.: СПбУ ГПС МЧС России, 2017.
