A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere

Átírás

1 A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere Kaposvári Egyetem, Informatika Tanszék I. Kaposvári Gazdaságtudományi Konferencia

2 Az előadás vázlata Részletes modell és szimuláció 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

3 Definíciók Számítástechnika fejlődése Modellek kezelése Az előadás vázlata 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

4 Definíciók Számítástechnika fejlődése Modellek kezelése Modellezés és szimuláció Modellezés A tudomány nem próbál végső magyarázatot adni, fogalmakat értelmezni is alig. A természettudomány modelleket alkot. Modell alatt egy olyan matematikai struktúra értendő, amelyik bizonyos szóbeli interpretáció hozzáfűzésével leírja a jelenséget. Egy ilyen matematikai struktúra létjogosultságát egyedül az adja, hogy sikeresen előrelátja a jelenségeket, tehát működik. (Neumann János) Szimuláció A szimuláció egy rendszer modelljének a megfelelő bemenetekkel (inputokkal) történő ellátása, működtetése (driving) és a kimenetek (outputok) megfigyelése. (Bratley).

5 Definíciók Számítástechnika fejlődése Modellek kezelése Modellezés és szimuláció Modellezés A tudomány nem próbál végső magyarázatot adni, fogalmakat értelmezni is alig. A természettudomány modelleket alkot. Modell alatt egy olyan matematikai struktúra értendő, amelyik bizonyos szóbeli interpretáció hozzáfűzésével leírja a jelenséget. Egy ilyen matematikai struktúra létjogosultságát egyedül az adja, hogy sikeresen előrelátja a jelenségeket, tehát működik. (Neumann János) Szimuláció A szimuláció egy rendszer modelljének a megfelelő bemenetekkel (inputokkal) történő ellátása, működtetése (driving) és a kimenetek (outputok) megfigyelése. (Bratley).

6 Definíciók Számítástechnika fejlődése Modellek kezelése Az előadás vázlata 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

7 Definíciók Számítástechnika fejlődése Modellek kezelése A hardver környezet fejlődése 16 bites architektúrák (i186,i286,..) 32 bites architektúrák (i386,pentium4,..) 64 bites architektúrák (opteron,core 2 duo,..) Szuperszámítógépek, klaszterek...

8 Definíciók Számítástechnika fejlődése Modellek kezelése A szoftver környezet változása Zárt forráskódú DOS Windows 95/98 Windows NT/XP Nyílt forráskódú Linux Slackware/Debian/Ubuntu/OpenSSI BSD OpenBSD/NetBSD/FreeBSD

9 Definíciók Számítástechnika fejlődése Modellek kezelése Az előadás vázlata 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

10 Definíciók Számítástechnika fejlődése Modellek kezelése Modellek fejlesztése

11 Az előadás vázlata Részletes modell és szimuláció 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

12 Evolúció a természetben Az élő sejtekben a kromoszómák tárolják az egyedek felépítéséhez szükséges információt Változatos élőlények jönnek a kromoszómák keresztezése, mutálódása miatt A természetes szelekció az életképesebb egyedek túlélését segíti

13 A genetikus algoritmus folyamatábrája

14 A feladat genetikus kódolása A genetikus ABC meghatározása Gének és alléljeik valós értékű diszkrét Kromoszóma struktúrája sztring típusú fa típusú Értékelési szempontok kiválasztása egyszempontú többszempontú A kezdeti populáció létrehozása véletlenszerűen és/vagy meglévő megoldásokat felhasználva

15 A feladat genetikus kódolása A genetikus ABC meghatározása Gének és alléljeik valós értékű diszkrét Kromoszóma struktúrája sztring típusú fa típusú Értékelési szempontok kiválasztása egyszempontú többszempontú A kezdeti populáció létrehozása véletlenszerűen és/vagy meglévő megoldásokat felhasználva

16 A feladat genetikus kódolása A genetikus ABC meghatározása Gének és alléljeik valós értékű diszkrét Kromoszóma struktúrája sztring típusú fa típusú Értékelési szempontok kiválasztása egyszempontú többszempontú A kezdeti populáció létrehozása véletlenszerűen és/vagy meglévő megoldásokat felhasználva

17 Genetikus operátorok Részletes modell és szimuláció Szelekció rulett kerék versengéses stb. Keresztezés Mutáció n-pontú permutációs több szülőből stb. inverziós stb. Kicserélés Elitizmus Szülőket cserélem stb.

18 Genetikus operátorok Részletes modell és szimuláció Szelekció rulett kerék versengéses stb. Keresztezés Mutáció n-pontú permutációs több szülőből stb. inverziós stb. Kicserélés Elitizmus Szülőket cserélem stb.

19 Genetikus operátorok Részletes modell és szimuláció Szelekció rulett kerék versengéses stb. Keresztezés Mutáció n-pontú permutációs több szülőből stb. inverziós stb. Kicserélés Elitizmus Szülőket cserélem stb.

20 Genetikus operátorok Részletes modell és szimuláció Szelekció rulett kerék versengéses stb. Keresztezés Mutáció n-pontú permutációs több szülőből stb. inverziós stb. Kicserélés Elitizmus Szülőket cserélem stb.

21 Az előadás vázlata Részletes modell és szimuláció 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

22 Szimulációs specialitások Egy megoldás értékelése egy részletes dinamikus szimuláció nagy az erőforrás igénye, ezért korlátozott számú szimuláció végezhető párhuzamosíthatóság, skálázhatóság minden értékelt megoldás megőrzésének lehetősége kis populáció méret, korai konvergencia elkerülése szülő cserével Folytonos és diszkrét építőelemekből épülnek a modellek vegyes kromoszómák használata lebegőpontos gének (paraméterek) tulajdonság osztályok elemei (strukturális éptőelemek) Több értékelési szempont többszempontú genetikus algoritmusok dominancia bázisú Pareto optimálás legtöbbször a Pareto front felderítése nem cél

23 Szimulációs specialitások Egy megoldás értékelése egy részletes dinamikus szimuláció nagy az erőforrás igénye, ezért korlátozott számú szimuláció végezhető párhuzamosíthatóság, skálázhatóság minden értékelt megoldás megőrzésének lehetősége kis populáció méret, korai konvergencia elkerülése szülő cserével Folytonos és diszkrét építőelemekből épülnek a modellek vegyes kromoszómák használata lebegőpontos gének (paraméterek) tulajdonság osztályok elemei (strukturális éptőelemek) Több értékelési szempont többszempontú genetikus algoritmusok dominancia bázisú Pareto optimálás legtöbbször a Pareto front felderítése nem cél

24 Szimulációs specialitások Egy megoldás értékelése egy részletes dinamikus szimuláció nagy az erőforrás igénye, ezért korlátozott számú szimuláció végezhető párhuzamosíthatóság, skálázhatóság minden értékelt megoldás megőrzésének lehetősége kis populáció méret, korai konvergencia elkerülése szülő cserével Folytonos és diszkrét építőelemekből épülnek a modellek vegyes kromoszómák használata lebegőpontos gének (paraméterek) tulajdonság osztályok elemei (strukturális éptőelemek) Több értékelési szempont többszempontú genetikus algoritmusok dominancia bázisú Pareto optimálás legtöbbször a Pareto front felderítése nem cél

25 Az előadás vázlata Részletes modell és szimuláció 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

26 A módszer szoftveres megvalósítása A program c++ nyelven készült FOX grafikus könyvtár LGPL Plplot könyvtár LGPL Támogatott platformok Windows 95/98/2000/XP Linux/XFree86 UNIX/X11 munkaállomások (IRIX, Solaris, Tru64, AIX, HP-UX, FreeBSD, SGI, stb.) Multiprocesszoros környezetben jól skálázódik

27 Genetikus futás Részletes modell és szimuláció 1 szempontú futás 9 szempontú futás

28 Windows 2003 szerver

29 Linux (Ubuntu) Részletes modell és szimuláció

30 OpenSSI Cluster Részletes modell és szimuláció

31 Az előadás vázlata Részletes modell és szimuláció 1 Részletes modell és szimuláció Definíciók Számítástechnika fejlődése Modellek kezelése 2 3

32 Befejezett és folyamatban lévő projektek Szakaszos polimerizáció modellezése és tervezése Szimulált mozgóágyas kromatográfia modellezése Baromfi telep modellezése Családi gazdaság modellezése Kvalitatív egészségügyi kockázatelemzés Metabolikus folyamatok modellezése

33 Az általunk használt genetikus algoritmus elősegítette a gyakorlati problémák megoldását A kidolgozott kódolás és a genetikus operátorok változtatás nélkül alkalmazhatók voltak a feladatok széles spektrumára Természetesen még további fejlesztések szükségesek az új kihívásoknak való megfeleléshez