Metaheurisztikus optimalizáció a geodéziában

Budapesti Műszaki és Gazdaságtudományi Egyetem Építőmérnöki Kar Általános és Felsőgeodézia Tanszék Metaheurisztikus optimalizáció a geodéziában PhD értekezés tézisei Laky Sándor okl. földmérő és térinformatikai mérnök Témavezető: Dr. Földváry Lóránt egyetemi docens BME, Általános és Felsőgeodézia Tanszék Budapest, 2012

1 1.1 Bevezetés Metaheurisztikák A metaheurisztikák (Luke 2009) a numerikus optimumszámítási eljárások egy típusa. Általános működési elvük szerint a célfüggvény (tárgyfüggvény) optimumának (minimumának vagy maximumának) megkeresése céljából iterációról iterációra változtatják egy vagy több lehetséges paramétervektor elemeinek értékét. Ezen eljárások egy jelentős része sztochasztikus eljárás. Előnyük, hogy nagyon kevés megkötéssel élnek a célfüggvénnyel kapcsolatban (deriválhatóság, linearitás, előzetes értékek pontossága, zárt formában való kifejezhetőség, stb). Hátrányuk, hogy nem szolgáltatnak egzakt megoldást az optimumszámítási feladatra (bár megfelelő gondossággal eljárva a számítás megismételhetősége a szükséges számítási élességen belül biztosítható). Minden metaheurisztika alkalmazására jellemző megkötés, hogy az optimalizálandó feladat egy konkrét megoldásához hozzá kell tudnunk rendelni egy jósági (alkalmassági) mérőszámot. Mivel általában iteratív eljárásokról van szó, a jósági mérőszám segítségével az adott iterációban rendelkezésre álló megoldást (megoldásokat) hasonlítjuk össze az abból (azokból) valamilyen (általában véletlen mennyiségeket is alkalmazó) módon létrehozott másik megoldással (megoldásokkal). A cél a megoldás(ok) jóságának iterációról iterációra történő növelése. 1.2 Célkitűzés A geodéziában az optimumszámítás leggyakrabban előforduló típusa a legkisebb négyzetes paraméterillesztés. Ezen feladat megoldása a mérési eredmények és a paraméterek között kapcsolatot megteremtő egyenletrendszer linearizálásával, és valamely pszeudoinverz alkalmazásával a kiegyenlítő számítások tárgykörében bőségesen tárgyalt (Detrekői 1991). 2.

A mindennapokban előforduló esetekben elmondható, hogy általában teljesülnek a hagyományos linearizált megoldás sikerességéhez szükséges feltételek. Ezen felül a hagyományos eljárások számítási igénye jelentősen kisebb a metaheurisztikus optimalizációs eljárásokkal összehasonlítva. Célom ezért az értekezésben érintett alkalmazási területekről (szabadhálózatok kiegyenlítése, alapponthálózatok tervezése, csillagászati helymeghatározás, földi gradiometria) olyan alternatív megoldások bemutatása, amikor ténylegesen kihasználhatók az eljárásban rejlő előnyök, amik kárpótolnak a megnövekedett számítási igényért. A választott alkalmazási területek széles, ám természetesen még így sem teljes metszetét adják a geodézia szakterületének. 2 Differenciális evolúciós (DE) algoritmus A dolgozat során felmerülő optimumszámítási problémák megoldására alkalmazott differenciális evolúciós (DE) algoritmust (eredeti neve Differential Evolution, más magyar fordításban differenciálevolúció néven is előfordul) Rainer Storn és Kenneth Price dolgozta ki 1994-ben (Storn és Price 1997). Mint a legtöbb evolúciós algoritmus, a DE is valós értékű vektorfüggvények (Rn R1) optimalizálására lett kialakítva. A DE algoritmus alkalmazott lépéseit az 1. ábra foglalja össze. A lépések megvalósítása a következők szerint történik. 1. Keresési tér lehatárolása (például az egyes paraméterek értelmezési tartományának megadása egy-egy minimum és maximum értékkel). 2. Kezdőpopuláció előállítása (NP darab D elemű véletlenszerű paramétervektort, azaz egyedet veszünk fel a keresési térben. 3. Mutánsok előállítása különbségképzéssel (három egyedből). 4. Utódok előállítása keresztezéssel 3. (az utód egyes elemei

véletlenszerűen kerülnek ki a szülőből vagy a mutánsból). 5. Következő generáció előállítása természetes kiválasztódással (a szülő és az utód közül a kedvezőbb jósági értékű juthat tovább a következő generációba). 6. Leállási feltétel vizsgálata (például adott számú iteráció, adott jósági érték elérése, stb.). 7. Az optimalizáció eredménye a legrátermettebb (az utolsó iteráció után a legjobb jósági értékkel rendelkező) egyed. 1. ábra. A DE algoritmus lépései 3 Geodéziai hálózatok kiegyenlítése evolúciós algoritmussal A geodéziai hálózatok kiegyenlítésével kapcsolatos vizsgálatok céljai: 1. Olyan kiegyenlítési eljárás kidolgozása, ami egyaránt működik L2 norma (súlyozott legkisebb négyzetek módszere), L1 norma (súlyozott abszolút javítások átlagának minimalizálása), L norma (súlyozott abszolút javítások maximális értékének minimalizálása, minimax módszer) és medián szerinti (súlyozott abszolút javítások mediánjának minimalizálása) kiegyenlítés esetén. 2. Numerikus hibaterjedési eljárás kidolgozása a fenti célfüggvényekre. 3. A fenti célfüggvények tesztelése durvahibás esetben magas és alacsony fölösmérés-szám esetén. 4.

A vizsgálat tárgyául az Általános és Felsőgeodézia Tanszék sóskúti geodéziai mikrohálózatát választottam (2. ábra). Az algoritmust C nyelven implementáltam, többmagos processzoron párhuzamos végrehajtásra képes módon. A konvergencia folyamat a 3. ábrán követhető. A durvahibás esetet egy mesterséges durvahiba beiktatásával állítottam elő. 2. ábra. A sóskúti geodéziai mikrohálózat elrendezése 3. ábra. A konvergencia folyamata, balról jobbra, fentről lefele haladva: a hálózati pontok elhelyezkedése 1, 2500, 2700, 3000, 3500 és 5000 iteráció után Az eredményeket az 1. és 2. táblázat tartalmazza. A vizsgált célfüggvények közül durvahibás esetekben nyújtott viselkedésével kiemelkedik a medián szerinti kiegyenlítés. Igaz a fölösmérés-szám csökkenésével a módszer szórása romlott, 5.

ám ez torzítatlanságára szinte semmi hatással nem volt. Valamely, a durvahibákra érzékeny normával (pl. L norma) párban alkalmazva így hatékony módszer lehet a durvahibák kiszűrésére. Durvahiba-mentes Durvahibás Fölösmérés L2 L1 L Medián L2 L1 L Medián 42 0,000 0,000 0,002 0,001 0,338 0,000 1,159 0,001 12 0,001 0,001 0,001 0,001 0,386 0,002 1,183 0,001 2 0,002 0,002 0,002 0,002 0,836 1,554 1,203 0,002 1. táblázat. Átlagos ponthely-távolságok (méterben). Viszonyítási alap: L2 norma, fölösmérés-szám 42, durvahiba-mentes. Durvahiba-mentes Durvahibás Fölösmérés L2 L1 L Medián L2 L1 L Medián 42 ±1 ±1 ±4 ±4 ±1 ±1 ±770 ±3 12 ±2 ±2 ±4 ±5 ±2 ±2 ±971 ±4 2 ±3 ±3 ±4 ±12 ±2 ±3 ±776 ±12 2. táblázat. A koordináták átlagos 95%-os konfidencia-intervallumai (milliméterben) 4 Geodéziai hálózatok tervezése evolúciós algoritmussal A hálózattervezéssel foglalkozó szakirodalom szerint a geodéziai hálózatok tervezésének igénye az 1960-as években jelent meg. Tekintve, hogy az optimalizációs eljárás összetettsége miatt nem triviális, több szerző többféle megoldási módszert dolgozott ki a feladat végrehajtására. Sárközy (1989) és Detrekői (1991) egyaránt megemlíti a méretezés és a matematikai programozás módszerét. Fekete (2006) a közelfotogrammetriai hálózatok tervezésével kapcsolatban megemlíti az alapelrendezések bevezetését, valamint egy lehetséges méretezési folyamatot mutat be az első- és másodrendű tervezésre. Berné és Baselga (2004) a szimulált lehűlés módszerét alkalmazzák az elsőrendű tervezés egy korlátozott esetében. A másodrendű tervezés megoldását tárgyalja Xu és 6.

Grafarend (1995). GPS hálózatok észlelési tervének gazdaságossági optimalizációjával foglalkozik Saleh és Dare (2001). Az alábbiakban az elsőrendű hálózattervezési problémára (a hálózati ponthelyek optimalizálása) mutatok be egy lehetséges megoldási módszert, pontossági ( A-optimalizáció : a kiegyenlített paraméterek a priori varianciakovariancia mátrixa nyomának minimalizálása.) és területlefedési kritériumok mellett, minimális külső megkötésekkel, geodéziai szabadhálózatok esetére. Bemutatom a feladat megoldási lehetőségét több kiegészítő kritérium egyidejű figyelembevétele esetén. A figyelembe vett kritériumok az alábbiak: 1. Pontossági kritérium (c1 = σparam): olyan elrendezést keresünk, amelynek alkalmazása során a kiegyenlített paraméterek átlagos középhibái optimálisak lesznek. 2. Optimális területlefedési kritérium (c2 = σterület). Legyen a területlefedés egyenletességének minimalizálandó mérőszáma a hálózat munkaterületre lehatárolt Voronoi-diagram lapjainak területszórása. Ennek a feladatnak adott munkaterület-határ mellett több optimális vagy közel optimális megoldása létezik. 3. A legrövidebb oldalhosszra vonatkozó kiegészítő kritérium (c3 = 1/tmin). Az előző pont szerint tervezett hálózati elrendezések a gyakorlatban sokszor rosszul alkalmazhatók. Ennek kiküszöbölése végett a bevezetett kiegészítő célfüggvény: maximalizálja a hálózat legrövidebb oldalának hosszát, ezáltal a hálózat a rendelkezésre álló munkaterületet a lehető legnagyobb mértékben kitölti. 7.

A fenti kritériumok együttes kezelésért többféleképpen is megoldható. Az általam alkalmazott két megközelítés: 1. Aggregált célfüggvény (aggregate objective function, AOF) alkalmazása a c2 és c3 4. ábra. Hatpontos hálózat tervezésének konvergenciája aggregált célfüggvénnyel 1, 50, 150 és 600 iteráció után feltétel együttes alkalmazása esetén (4. ábra). 2. Pareto-optimális front felderítése mindhárom célfüggvény együttes alkalmazása esetén (5. ábra). 5. ábra. Balra a hálózattervezési feladat Pareto-frontjának ábrája 1000 generáció után, 1/c3 értékét szürkeskálán is ábrázolva. Jobbra két lehetséges megoldás a Pareto-frontról. 5 Gyors csillagászati helymeghatározás egyszerűsített zenitkamera-rendszerrel Napjainkban az ellipszoidi földrajzi helymeghatározás az általános geodézia mindennapos eszközévé vált: a különböző GNSS technológiákkal a pár méterestől a pár centiméteres koordináta-középhibáig valós idejű méréseket 8.

végezhetünk. Hagyományos, csillagászati jellegű, valódi égitestek megfigyelésén alapuló szintfelületi földrajzi helymeghatározást hazánkban a geodézia szakterületén talán már nem is végeznek. Németországban és Svájcban az utóbbi években új mérési technológia van kibontakozóban, amely digitális zenitkamerák alkalmazásával gyors és igen pontos szintfelületi földrajzi helymeghatározást (és GNSS mérésekkel kombinálva függővonal-elhajlás meghatározást) tesz lehetővé (Hirt és Bürki 2006). A Budapesti Műszaki és Gazdaságtudományi Egyetem Általános és Felsőgeodézia Tanszéke, valamint az itt működő MTA-BME Fizikai Geodézia és Geodinamikai Kutatócsoport munkatársai az elmúlt évben kísérletet tettek egy hasonló rendszer kiépítésére (Ress 2008). Minél egyszerűbb és olcsóbb megoldásokat kerestünk, lehetőleg az amúgy is rendelkezésünkre álló műszerparkot mint építőelemeket felhasználva. A mérések feldolgozása során a következő optimalizációs feladatokat kellett megoldanom: 1. A képeken leképződő fényforrások és csillagok összepárosítása. Ennek során katalógusadatok alapján előállítottam az égbolt előzetes képét, és ennek a tényleges képre való, merevtest-szerű transzformációval történő optimális illesztési paramétereit kerestem. A célfüggvény értéke az adott paraméterkészlet mellet az öt legjobban illeszkedő képkoordináta-rendszerben mért távolságnégyzetének összege. 9. fényforrás

2. A kameratengely irányának megállapítása az egyes képek készítésének idején (6. ábra). A képzeletben a Föld tömegközéppontjába helyezett kamera iránya kifejezhető annak rektaszcenziójával deklinációjával, és míg kameratengely a körüli elfordulás a kép készítésének azimutjával függ össze. 6. ábra. A kép fényforrásai (szürke) és a csillagok számított képkoordinátái (fekete) 1, 10, 20, 30 és 100 iteráció után 3. Csillagászati pozíció számítása a kameratengely által a különböző azimutokban történő fényképezés során súrolt kúp forgástengelyének megkeresésével. Ezeket az optimalizációs feladatokat a DE algoritmussal valósítottam meg. 6 Eötvös-inga csillapítási modelljeinek vizsgálata Az Eötvös Loránd Geofizikai Intézet (ELGI) munkatársait 2006-ban kezdte el foglalkoztatni az Eötvös-inga mérések közel ötven évnyi szünet utáni újbóli beindítása. E-54 típusú műszerrel (Szabó 1999) először laboratóriumi kísérleteket folytattak. Ezután 2007-ben és 2008-ban az MTA-BME Fizikai Geodézia és Geodinamikai Kutatócsoport, valamint a BME Általános és Felsőgeodézia Tanszék munkatársaival közösen a Csepel-sziget déli részén található Makád külterületén végeztek próbaméréseket, graviméteres mérésekkel kiegészítve (Csapó et al. 2009). Több laboratóriumi mérés alapján 10. kísérletet tettem az ingakar

szabadlengését legjobban leíró csillapítási modell meghatározására. A szakirodalomból származó különböző modellek paraméterillesztését a DE algoritmussal végeztem (3. táblázat). Tapasztalataim szerint az ingakar mozgását az u x +s sgn ( x ) x +k x = 0 formában megadható általános csillapítási modell (Adhikari 2000) írja le a legjobban (x(t) az ingakar pillanatnyi helyzetét leíró függvény, k, s és u a modell paraméterei). Dátum 2007.10.20 2007.10.26 2007.10.26 2007.10.26 2007.10.30 2008.01.18 Leolvasóablak Azimut kerek szögletes szögletes szögletes szögletes szögletes IV. II. III. IV. II. I. Általános modell 0,06 0,12 0,08 0,25 0,14 0,01 Viszkózus csillapítás 0,07 0,16 0,08 0,26 0,14 0,01 Szerkezeti csillapítás 0,51 0,57 1,24 1,42 1,50 0,20 Súrlódási csillapítás 5,83 8,55 3,91 17,92 Vegyes modell 0,07 0,13 0,08 0,26 Frakcionális modell 0,47 0,31 0,76 0,68 0,29 0,18 3. táblázat. Különböző csillapítási modellek illeszedése az idősorokra. Az értékek az illesztésből számított leolvasások és a tényleges leolvasásértékek eltérésének szórásai (mértékegység: skálaosztás). A csillapodási modell vizsgálatának célja az inga fizikai paramétereinek jobb megismerése mellett a mérési idő esetleges rövidítési lehetőségének feltárása. Vizsgálataim során megállapítottuk, hogy amennyiben előzetes tesztmérések alapján már megfelelő értékekkel rendelkezünk az ingakar mozgását leíró egyenlet paramétereire, akkor a csillapodási görbe első ~800 sec (~13 perc) hosszú szakaszának rögzítés után a modell kezdeti értékeinek idősorra illesztésével 1 skálaosztás alatti hibával biztosítható a 40 perc utáni leolvasás előrejelzése (7. ábra). 11.

7. ábra. Az általános modell csillapodási leolvasás-előrejelzésének abszolút hibája a tesztelt mérési idősorokon, az illesztési hossz függvényében (vízszintes vonallal jelölve az 1 skálaosztás érték, vastaggal az átlagos hiba) 7 Irodalomjegyzék Berné J L, Baselga S (2004): First-order design of geodetic networks using the simulated annealing method. Journal of Geodesy, 78, 47 54. Csapó G, Égető Cs, Kloska K, Laky S, Tóth Gy, Völgyesi L (2009): Kísérleti mérések Eötvös-ingával és graviméterekkel az Eötvös-inga mérések eredményei geodéziai célú hasznosításának vizsgálata céljából. Geomatikai Közlemények XII: 90 100 Detrekői Á (1991): Kiegyenlítő számítások. Tankönyvkiadó, Budapest. 685 p. Fekete K (2006): Hálózattervezési kérdések a közelfotogrammetriában. Geodézia és Kartográfia, 3, 12 23. Hirt C, Bürki B (2006): Status of Geodetic Astronomy at the Beginning of the 21st Century. Wissenschaftliche Arbeiten der Fachrichtung Geodäsie und Geoinformatik der Universität Hannover Nr. 258, 81 99. Luke S (2009): Essentials of metaheuristics. Egyetemi jegyzet, George Mason University. Elérhetőség: http://cs.gmu.edu/~sean/book/metaheuristics/ (legutóbbi hozzáférés: 2011.11.16). 12.

Ress Zs (2008): Csillagászati helymeghatározás gazdaságos zenitkamerarendszerrel. TDK dolgozat. 26 p. S Adhikari (2000): Damping Models for Structural Vibration. PhD értekezés. Cambridge University, Engineering Department. 228 p. Saleh H A, Dare P (2001): Effective Heuristics for the GPS Survey Network of Malta: Simulated Annealing and Tabu Search Techniques. Journal of Heuristics, 7, 533 549. Sárközy F (1989): Geodézia. Tankönyvkiadó, Budapest. 797 p. Storn R, Price K (1997): Differential Evolution A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization 11: 341 359. doi:10.1023/a:1008202821328. Szabó Z (1999): Az Eötvös-inga históriája. Magyar Geofizika 40(1): 26 38 Xu PL, Grafarend E (1995): A multi-objective second order optimal design of deforming networks. Geophys J Int, 120, 577 589. 8 Tézisek A metaheurisztikus optimalizáció geodéziai alkalmazásával kapcsolatos, az eddig ismertetett kutatásokra alapozott újszerű tudományos eredmények az alábbiak. 1. Evolúciós algoritmuson alapuló eljárást dolgoztam ki geodéziai szabadhálózatok medián szerinti kiegyenlítésére. Bemutattam, hogy a medián szerinti kiegyenlítés még durvahiba jelenlétében, igen alacsony fölösmérés-szám mellett is torzítatlan becslését szolgáltatja a hálózat paramétereinek. Kapcsolódó publikáció: [1] 2. Evolúciós algoritmuson alapuló eljárást dolgoztam ki geodéziai szabadhálózatok tervezésére több célfüggvény együttes figyelembevétele mellett. Bemutattam, hogy egymásnak ellentmondó célfüggvények esetén a multiobjektív optimalizáció a Pareto-optimális front felderítésével 13.

hogyan könnyíti meg a hálózati elrendezéssel kapcsolatos döntést a szakértő számára. Kapcsolódó publikáció: [2] 3. Evolúciós algoritmuson alapuló automatikus adatfeldolgozó rendszert dolgoztam ki az egyszerűsített zenitkamera-rendszer méréseinek feldolgozására. A bemutatott feldolgozórendszer egyik algoritmusa a két, nem átazonosított pontpárokat tartalmazó ponthalmaz közötti transzformáció optimális paramétereinek meghatározása. Ez az eljárás a geodéziában széleskörűen alkalmazható más feladatok megoldására is (pl. vektoros térképállományok közötti transzformáció meghatározására). Kapcsolódó publikáció: [3] 4. Evolúciós algoritmuson alapuló illesztési eljárást dolgoztam ki az E-54 típusú Eötvös-inga leolvasásának meghatározására a csillapodási görbe kezdeti szakaszának megfigyelése alapján. Több csillapodási modell vizsgálatával megállapítottam, hogy az ingakar mozgásának leírására az u x + s sgn ( x ) x +k x = 0 differenciálegyenlettel leírható általános csillapítási modell a legalkalmasabb, ami numerikusan stabil illesztést biztosít. Kapcsolódó publikációk: [4], [5], [6], [7], [8], [9] 8.1 Kapcsolódó publikációk [1] Laky S (2009): Differenciális evolúciós algoritmus alkalmazása geodéziai hálózatok kiegyenlítésére. Geomatikai Közlemények XII: 47 56 [2] Laky S (2010): Geodéziai hálózatok tervezése evolúciós algoritmussal. Geomatikai Közlemények XIII(2): 7 14 [3] S Laky (2010): Using the differential evolution algorithm for processing star camera measurements. Pollack Periodica 5(3): 143 153 14.

[4] Völgyesi L, Laky S, Tóth Gy (2010): Az Eötvös-inga mérési idejének csökkentési lehetősége. Geomatikai Közlemények XIII(2): 129 140 [5] Völgyesi L, Csapó G, Laky S, Tóth Gy, Ultmann Z (2009): Közel fél évszázados szünet után ismét Eötvös-inga mérések Magyarországon. Geodézia és Kartográfia 61(11): 3 12 [6] Völgyesi L, Égető Cs, Laky S, Tóth Gy, Ultmann Z (2009): Eötvös-inga felújítása és tesztmérések a budapesti Mátyás-hegyi barlangban. Geomatikai Közlemények XII: 71 82 [7] Laky S (2009): E-54 típusú Eötvös-inga korszerűsítése. Technológiai jelentés, 2007. október 2009. december. 15 p. Elérhetőség: http://sci.fgt.bme.hu/~laky/pub/laky_e54_technologiai_jelentes_2009.pdf (legutóbbi hozzáférés: 2011.11.30). [8] G Csapó, S Laky, Cs Égető, Z Ultman, Gy Tóth, L Völgyesi (2009): Test Measurements by Eötvös Torsion Balance and Gravimeters. Periodica Polytechnica Civil Engineering 53(2): 75 80 [9] Csapó G, Égető Cs, Kloska K, Laky S, Tóth Gy, Völgyesi L (2009): Kísérleti mérések Eötvös-ingával és graviméterekkel az Eötvös-inga mérések eredményei geodéziai célú hasznosításának vizsgálata céljából. Geomatikai Közlemények XII: 91 100 15.