Генетический поиск свойств вещественно-полевых ресурсов icon

Генетический поиск свойств вещественно-полевых ресурсов


Смотрите также:
Вещественно-энергетическая картина мира...
Урок №1 Тема Вещественно-энергетическая и информационная картины мира...
Шумы приемно-усилительных устройств на полевых транзисторах...
Гаряев П. П. – Волновой генетический код...
Волновой генетический код. Москва, 1997. 108с.: ил...
Волновой генетический код. Москва, 1997. 108с.: ил...
Разработан План проведения весенних полевых работ в 2011 году...
О. А. Фомичев призвал критически подойти к представленному участникам заседания проекту 2003 г....
Поставку периодических изданий на I полугодие 2011 года для мук «Гуманитарный центр – библиотека...
Релевантные модели тс. Алгоритм построения и анализ...
Экспериментально-теоретическое обоснование гигиенических мероприятий при развертывании и работе...
Лекция № Природопользование: предмет, задачи, методы, основные понятия...



Загрузка...
скачать
Генетический поиск свойств вещественно-полевых ресурсов

А.Б. Бушуев, А.Н. Гуляев, С.А.Чепинский

Ключевые слова: базис Бартини, тренды ресурсов, генетический алгоритм, селекция свойств икс-элемента


Введение

Генетические алгоритмы [1] и алгоритм решения изобретательских задач (АРИЗ) [2] связывает общее происхождение из эволюционной теории. Генетические алгоритмы (ГА) используются для поиска оптимального решения путем естественного отбора и наследования. Поиск ответа в АРИЗ представляет собой процесс зарождения, развития и разрешения противоречий. Исходными данными в обоих случаях является изобретательская ситуация, но АРИЗ относится к направленным методам поиска решения, а генетические алгоритмы имеют случайный характер.

Как указывает автор АРИЗ Г.С.Альтшуллер, "изобретательская ситуация представляет собой клубок сложных проблем, и нужно каким-то образом выделить из этого клубка единственно правильную задачу". Правильная задача отыскивается в наиболее "узком" месте этого клубка, там, где выявляется наиболее обостренное противоречие неравномерного развития. Математически модель противоречия задается системой двух нелинейных дифференциальных уравнений, образующих компенсационный гомеостат [3]. В режиме поиска решения, или икс-элемента, гомеостат проходит хаотическую стадию. На этой стадии икс-элементу передается наследственная информация от конкурирующих сторон, приводящая к разрешению противоречия.

Однако не всегда удается успешно выявить "узкое" место в изобретательской ситуации. Кроме того, таких "узких" мест может быть несколько. Поэтому наряду с направленным методом поиска необходим некоторый перебор вариантов. В этом случае дополнение АРИЗ генетическими алгоритмами поиска представляет собой перспективное и актуальное направление.

Для использования ГА необходимо иметь набор некоторых элементов или популяцию, в которой путем селекции отбираются лучшие элементы. Элементы или особи популяции должны иметь математическое описание, пригодное для механизма селекции, под действием которого (механизма) выбираются эти лучшие элементы.

Будем полагать, что в результате анализа изобретательской ситуации получена потоковая структурная модель в виде последовательности веществ и полей. Зададим их свойства веществ и полей через физические величины, которые могут быть измерены в подходящей системе единиц измерений. Например, мембрана, преобразующая внешнее поле давления в прогиб, может быть задана физической величиной – жесткостью, прогиб может быть измерен единицами длины, а давление – силой, приходящейся на единицу площади поверхности мембраны.

Тогда свойства веществ и полей структурной модели можно выбрать за элементы или особи популяции, математически описываемые физическими размерностями соответствующих свойств. Скрещивая альтернативные свойства, образующие противоречия исходной потоковой модели, будем искать физические свойства икс-элементов, разрешающих эти противоречия.


^ Математический базис изобретательской физики

Для перехода от физики изобретательских задач к математическим моделям в [4] предложено использовать кинематическую систему физических величин Р. Бартини [5]. Система опирается на две базовых единицы, каждая из которых квантуется – единицу длины L и единицу времени T.  Размерности остальных величин представляются как произведение целочисленных степеней базовых единиц LmTn. Поскольку измерение осуществляется в трехмерном мире, то соотношение степеней размерностей должно подчиняться правилу: |m+n| ≤3.

Система Бартини обычно представляется в виде таблицы [4], горизонтальные строки которой называются трендами пространственных ресурсов. Легко заметить, что размерности свойств элементов тренда имеют в своем составе множитель L+1, который передается по наследству от свойства к свойству слева направо, и который можно назвать геном длины.

Аналогично пространственным трендам можно ввести понятие временных трендов – это столбцы таблицы. В столбцах от свойства к свойству снизу вверх передается ген времени T-1 .

Диагонали таблицы, проходящие слева снизу направо вверх, образуют семь трендов вещественно-полевых ресурсов (ВПР), содержащих физические свойства с размерностями LmTn, при |m+n| ≤3. Все тренды ВПР от поколения к поколению передают ген скорости V= L1T-1. Сумма показателей степеней величин, лежащих на отдельном тренде, совпадает, а от соседних трендов отличается на единицу.

В работе [6] получено дифференциальное уравнение, описывающее эволюцию свойства икс-элемента после момента "озарения" или захвата икс-элемента системой мысленного поиска и слежения в сознании изобретателя:

K dz/dt=3xy-az, (1)

где x и y – координаты, описывающие эволюцию конкурирующих свойств технического противоречия, z – координата, определяющая эволюцию икс-элемента в режиме слежения, K – некоторый коэффициент, зависящий от психологической инерции, а – коэффициент, зависящий от остроты мышления.

Когда инерция преодолена, свойство z икс-элемента четко фиксируется сознанием, т.е. z уже не изменяется, наступает установившийся режим dz/dt=0, и из дифференциального уравнения (1) получаем алгебраическое уравнение:

z=3xy/a=Cxy. (2)

Произведение xy передает наследственную информацию о свойствах x и y "родителей", свойству z их "ребенка", то есть икс-элементу. Для определения физического свойства z переходим от алгебраического уравнения (2) к его физического эквиваленту в виде уравнения размерностей:

Lm3Tn3=С· Lm1Tn1 ·Lm2Tn2. (3)

Постоянная C является размерной константой, т.е. представляется в виде Lm4Tn4, и где все m и n – целые числа, положительные и отрицательные.

В уравнении (3) произведение Lm1Tn1 ·Lm2Tn2 определяет тот элемент тренда ВПР, в котором заложены свойства того и другого "родителей". Сам же тренд ВПР, проходящий через этот элемент с размерностью Lm1Tn1 ·Lm2Tn2, может быть назван родительским.

Следовательно, операцией скрещивания особей будет умножение соответствующих физических размерностей. Однако если традиционно рассматривается одно, ключевое, противоречие, то в ГА их участвует десятки и сотни, что позволяет вовлечь в процесс решения множество факторов и ресурсов, имеющихся в задаче.


^ Генетический алгоритм в изобретательской задаче

Определим следующую последовательность решения изобретательской задачи, в которой используется ГА.

1. Описание изобретательской ситуации

2. Синтез потоковой информационно-энергетической структурной схемы

3. Выбор факторов системы, влияющих на потребительские характеристики задачи

4. Кодирование факторов с помощью LT-таблицы Бартини

5. Создание исходной популяции факторов.

6. Расчет функций приспособленности факторов.

7. Проверка условия завершения ГА.

Если условие не достигнуто, то продолжается селекция факторов, скрещивание и мутация, а затем создание новой популяции.

Если условие достигнуто, то выбирается лучший фактор для решения задачи и выход из алгоритма.

8. Переход к шагу 6.

ГА начинается с шага 4 - кодирования факторов. Кодирование факторов означает, что особям (факторам) присваиваются физические размерности из таблицы Бартини. Кроме того, для каждой особи должна рассчитываться функция приспособленности, позволяющая определить, какая физическая размерность более или менее подходит для решения поставленной задачи. Функцию приспособленности выбираем исходя из условия конкретной задачи. Для принятия решения рассчитаем родительский тренд, и по таблице Бартини найдем с помощью ГА ту физическую размерность, которая находится на родительском тренде и имеет наибольшую среди особей этого тренда функцию приспособленности.


Пример

Рассмотрим классическую изобретательскую задачу о запайке ампулы с лекарством [7]. Здесь можно сформулировать техническое противоречие: если длина пламени большая, тогда запайка хорошая, но лекарство перегревается, если длина пламени маленькая, тогда запайка плохая, но лекарство не портится. Цель задачи – найти некий ресурс, икс-элемент, который позволит разрешить это противоречие и обеспечит как хорошую запайку ампулы, так и сохранность лекарства.

Составим для нее простейшую потоковую схему преобразования энергии (Рис.).



Рисунок. Потоковая схема для задачи о запайке ампулы


По схеме определяем, какие вещества и поля следует учитывать при решении задачи, а затем, – какие ресурсы (факторы) выбрать для описания этих веществ и полей. Чем больше факторов мы выберем, тем больше информации о задаче получит алгоритм поиска, и тем эффективнее он будет работать. В этом отличие генетического алгоритма от АРИЗ. АРИЗ строит модель задачи в виде противоречия для одного, «узкого» места структуры. Например, в рассматриваемой задаче «узкое» место – это пара пламя-ампула (лекарство), все остальные вещества и поля с их свойствами исключаются из модели. Хорошая запайка оценивается длиной оплавленной части капилляра, а порча лекарства – температурой пламени. Скрещивание двух факторов – длины и температуры дает лишь один родительский тренд.

Использование же ГА позволяет использовать структурную модель более широко, предположив в ней наличие многих противоречий в виде бинарных отношений свойств веществ и полей. Благодаря этому появляется несколько родительских трендов. Если скрещивание выводит особь на нереализуемый в трехмерном пространстве тренд, то она (особь) скрещивается с третьим фактором, возвращающим потомка на реализуемый тренд, т.е. в этом случае используются уже тернарные отношения между свойствами.

Выберем следующие факторы, разнородно влияющие на качество запайки: температура пламени и лекарства, давление в горелке, объем и длина (высота) ампулы, длина (диаметр) сопла горелки, длина (толщина) стекла ампулы, теплоемкость стекла, время запайки. Теперь эти факторы мы должны скрестить. Для этого разобьем факторы попарно и логически перемножим их физические размерности по формуле (3). Результат приведен в таблице.

Таблица

Факторы, влияющие на запайку ампулы

Входной фактор

x

Входной фактор

y

Выход

z

n+m

Длина, L0T1

Длина, L0T1

L2T0

2

Длина, L0T1

Время, L0T1

L1T1

2

Время, L0T1

Время, L0T1

L0T2

2

Время, L0T1

Температура, L5T-4

L5T-3

2

Длина, L0T1

Температура, L5T-4

L6T-4

2

Температура, L5T-4

Температура, L5T-4

L10T-8

2

Давление, L2T-4

Теплоемкость, L0T-2

L2T-6

-4

Объем, L3T0

Длина, L0T1

L4T0

4



Расчет показывает, что родительский тренд для задачи о запайке ампул имеет n+m=2. Как видно, имеются и другие родительские тренды, полученные перемножением тех или иных факторов.

Определим, какой из ресурсов на родительском тренде может дать наиболее эффективное решение. На первом шаге производится инициализация, или выбор исходной популяции особей. Особями являются физические размерности в таблицы Бартини. Выбираем 34 особи, т.е. размерности тех физических величин, которые у Бартини имеют наименование. Для определения функции приспособленности каждой из особей присваиваем некоторую ценность, выраженную числом в диапазоне от единицы до пяти. Чем больше число, тем более приспособленной является особь. Факторы, непосредственно влияющие на запайку ампулы, обладают наиболее «сильной» генетической информацией, поэтому придадим им максимальную «ценность» – пять баллов. Остальные ресурсы пока не несут какой-либо генетической информации, поэтому оценим их единицей.

На следующем этапе проводим селекцию особей для скрещивания. Селекция заключается в выборе тех особей, которые будут участвовать в создании потомков для следующей популяции, т.е. для очередного поколения. Такой выбор производится согласно принципу естественного отбора, по которому наибольшие шансы на участие в создании новых особей имеют особи с наибольшими значениями функции приспособленности. Для случайной селекции был использован метод рулетки [1]. Рулетка имеет 34 сектора. Размер сектора зависит от функции приспособленности. После каждой итерации ГА функции приспособленности особей пересчитываются в зависимости от результата скрещивания. В примере после пяти итераций наибольшую функцию приспособленности среди особей, расположенных на родительском тренде, имеет особь L1T1, на втором месте L3T-1 – объемный расход. Именно объемный расход является тем физическим свойством, которым обладает икс˗элемент одного их «хороших» решений: использование проточной воды для охлаждения ампулы. Возможно, что с увеличением итераций этот параметр выйдет на первое место по приоритету.


Выводы

1. Первый опыт показал, что ГА имеет перспективу для поиска свойств решения в изобретательской задаче.

2. Направление дальнейших исследований – разработка алгоритма ранжирования размерностей в зависимости от ресурсоемкости [8] ВПР.

Список литературы

1. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М: ФИЗМАТЛИТ, 2003. – 432 с.

2. Альтшуллер Г.С. Найти идею. Новосибирск: Наука, Сиб. отд.,1991. – 324 с.

3. Бушуев А.Б., Чепинский С.А. Хаотические гомеостаты // Изв. Вузов. Приборостроение, 2007. Т. 50. № 11. С. 59 – 63.

4. Бушуев А.Б., Чепинский С.А. Дискретная математика изобретательских задач / Сборник докладов Всероссийской НПК “Имитационное моделирование: теория и практика”. СПб.: ФГУП ЦНИИ ТС, 2007. Т. 1. С. 93 – 97.

5. ди Бартини Р.О. Некоторые соотношения между физическими константами // Доклады Академии наук СССР, 1965. Т. 163. № 4. С. 861 – 864.

6. Бушуев А.Б. X-элемент: поиск, захват, слежение. / Труды Международной конференции ТРИЗФЕСТ 2006 “Три поколения ТРИЗ”. СПб.: РОО “ТРИЗ-Петербург”, 2006. С. 310 – 317.

7 Альтшуллер Г.С., Селюцкий А.Б. Крылья для Икара. Петрозаводск: Карелия, 1980. – 224 с.

8. Бушуев А.Б. Векторный анализ ресурсов / Сборник трудов конференции “Развитие инструментов решения изобретательских задач”. Библиотека Саммита разработчиков









Скачать 107.12 Kb.
оставить комментарий
Дата30.11.2011
Размер107.12 Kb.
ТипДокументы, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

Рейтинг@Mail.ru
наверх