Генетические алгоритмы.

Генетические алгоритмы (также именуемые адаптивным вычислением) относят­ся к ряду методов решения проблем, идейно основанных на способе, используе­мом живыми организмами для приспособления к окружающей среде, — процессе эволюции. Они программируются для работы тем же методом, каким люди реша­ют проблемы: изменяя и реорганизуя составные части, используя такие процес­сы, как воспроизводство, мутация и естественный отбор. Итак, генетические ал­горитмы способствуют развитию решений определенных проблем, контролируя порождение, изменение, адаптацию и выбор возможных решений и используя процессы, основанные на генетике. Поскольку решения изменяются и смешива­ются, худшие из них отвергаются, а лучшие выживают, чтобы продолжить выра­батывать еще более лучшие решения. Генетические алгоритмы порождают про­граммы, решающие задачи, даже тогда, когда никто не может полностью понять их структуру (Holland, 1992).

Генетический алгоритм работает, представляя информацию в виде строки ну­лей и единиц. Возможное решение можно представить длинной строкой этих цифр. Генетический алгоритм предоставляет методы поиска всех возможных комбинаций цифр для определения правильной строки, возможно, представляю­щей лучшую структуру для решения проблемы.

В одном методе программист сначала случайно генерирует совокупность строк, состоящих из комбинаций двоичных цифр (рис. 12.17). Каждая строка со­ответствует одной из переменных задачи. Одна строка выполняет тест на соот­ветствие, ранжируя строки в совокупности согласно их уровню желательности как возможного решения. После оценки на соответствие исходной совокупности алгоритм генерирует и проверяет на соответствие следующее поколение строк, состоящее из строк, выдержавших тест на соответствие, и строк-потомков, полу- Genetic algorithms (генетические алгоритмы)

Методы поиска решений задачи, содействующие развитию решений опре­деленных задач, использующие модель живых организмов, приспосаблива­ющихся к окружающей среде..

ченных из совмещенных пар строк. Процесс продолжается, пока не будет получе­но решение.

Решения некоторых типов задач в области оптимизации, проектирования из­делий и мониторинга индустриальных систем особенно подходят генетическим алгоритмам. Многие бизнес-задачи требуют оптимизации, поскольку связаны с такими вопросами, как минимизация затрат, максимизация прибыли, эффек­тивное планирование и использование ресурсов. Если эти ситуации весьма дина­мичны и сложны, вовлекают сотни переменных или сотни формул, то генетические алгоритмы могут ускорить решение, поскольку позволяют быстро оценить мно­гие отличные альтернативы решений для поиска лучшей. Например, инженеры из компании General Electric использовали генетические алгоритмы для оптими­зации конструкции реактивных газотурбинных авиадвигателей, когда каждое из­менение конструкции требовало изменений сотни переменных. Компания Coors Brewing Company и американский военно-морской флот использовали генетиче­ские алгоритмы в задачах планирования (Burtka, 1993). Гибридные системы ИИ

Генетические алгоритмы, нечеткая логика, нейронные сети и экспертные систе­мы можно интегрировать в одно приложение для использования лучших черт этих технологий. В результате формируются гибридные системы ИИ. Количе­ство гибридных бизнес-приложений постоянно растет. Японские фирмы Hitachi, Mitsubishi, Ricoh, Sanyo и другие начали включать гибридные ИИ в такие изделия, как бытовая техника, фабричное и офисное оборудование. Компания Matsushita разработала «neurofuzzy», стиральную машину, сочетающую нечеткую логику с нейронной сетью. Фирма Nikko Securities работала над neurofuzzy-системой для прогнозирования стоимости конвертируемых облигаций. Интеллектуальные агенты

Интеллектуальные агенты — это программы, функционирующие в фоновом ре­жиме и выполняющие определенные повторяющиеся и предсказуемые задачи

для отдельных пользователей, бизнес-процессов или приложений. Агент исполь­зует встроенную или обученную базу знаний для выполнения задач или приня­тия решений от имени пользователя. Интеллектуальные агенты можно запро­граммировать для принятия решений, основанных на личном предпочтении пользователя, например для удаления старой электронной почты, планирования деловых встреч или путешествия по связанным сетям в поиске самого дешевого авиабилета в Калифорнию. Агента можно уподобить личному электронному по­мощнику, сотрудничающему с пользователем в той же рабочей среде. Он может помочь пользователю, выполняя задачи от его имени, тренируя или обучая пользователя, скрывая сложность трудных задач, помогая пользователю сотрудни­чать с другими пользователями или контролируя события и процедуры (Maes, 1994). В настоящее время существует много приложений интеллектуальных агентов в операционных системах, прикладном программном обеспечении, системах электронной почты, программном обеспечении мобильных телефонов и сетевых инструментах. Например, мастера в инструментальных программных средствах Microsoft Office имеют встроенные возможности, демонстрирующие пользовате­лям, каким образом выполнить такие разные задачи, как форматирование доку­ментов или создание графиков, и предугадывающие, когда пользователи нужда­ются в помощи. Особый интерес для бизнеса представляют интеллектуальные агенты для поиска информации в навигационных сетях, включая Интернет. В гл. 9 было описано, каким образом коммерческие роботы помогают потреби­телям находить необходимые товары и сравнивать цены и другие детали. По­скольку эти мобильные агенты персонализированы, полуавтономны и непре­рывно работают, они помогают автоматизировать некоторые стадии закупки, отнимающие больше всего времени, и таким образом уменьшить операционные затраты. Постоянно растущее применение языка XML (расширяемый язык раз­метки), Java и распределенных объектов (гл. 6) позволяет программным агентам и другим автоматизированным процессам легче взаимодействовать и получать доступ к информации через сеть (Glushko, Tenenbaum, and Meltzer, 1999; Wong, Paciorek, and Moore, 1999).

Резюме

1. Оцените важность управления знаниями в современных организациях. Управ­ление знаниями — это процесс систематического и активного управления и использования хранилищ знаний в организации. Знание — это централь- Hybrid A! systems (гибридные системы ИИ)

Интеграция нескольких технологий ИИ в одно приложение, что позволяет ис­пользовать лучшие свойства этих технологий.