Задание на лабораторную работу

 

1. Разработать прикладную программу «Адаптивная идентификация категории качества дорожного полотна» в соответствии с вариантом задания.

2. Оценить длительность работы алгоритма распознавания образов.

3. Разработать инструкции пользователя и программиста для работы с программой.

 

Варианты заданий

 

Варианты заданий для выполнения лабораторной работы представлены в таблице 6.1.

7.5 Контрольные вопросы

 

1. Объясните принцип работы амплитудного анализатора сигналов.

2. Как определяется общая ошибка при вычислении меры Хемминга?

3. Назовите способы выбора информативных признаков.

4. Назовите достоинства и недостатки ассоциативного и мажоритарного подходов.

5. Что такое вычислительная сложность алгоритма распознавания?

Лабораторная работа № 8. Генетический алгоритм распознавания образов

Цель работы: освоить принципы генетики в задаче распознавания образов

 

Теоретическая часть

Принципы генетики применительно к задаче распознавания образов позволяют определять варианты решений (совокупность параметров), которые обеспечивают заданные режимы работы технологических процессов. Достоинством генетических алгоритмов применительно к задаче выбора безопасного скоростного режима автомобиля является высокая производительность нахождения решений, обеспечивающих заданный безопасный скоростной режима автомобиля с учетом заданной величины погрешности. Сложность задачи оперативного выбора безопасного скоростного режима автомобиля заключается в сравнительной оценке большого объема значений совокупности эксплуатационных параметров системы «водитель – автомобиль – дорога – среда» (ВАДС), порядка 10¹³ [8].

На рисунке 8.1 представлена структурная схема генетической модели системы оптимизации совокупности параметров системы ВАДС.

Входными данными модели являются следующие:

- совокупность векторов эксплуатационных параметров системы «водитель – автомобиль – дорога – среда», (см. рисунок 8.1);

- вектор настроечных параметров N = { v _з, D, S, X, p_x, p_m } генетического алгоритма, содержащий значение заданного скоростного режима v _з автомобиля, величину погрешности D, виды селекции S и скрещивания X, проценты скрещивания p_x и мутации p_m генов.

Выходными данными модели являются варианты решений R_{j 1} … R_jn, обеспечивающие диапазон заданного скоростного режима v _з автомобиля с учетом погрешности D.

 

Рисунок 8.1 – Структурная схема генетической модели системы оптимизации сложной эргатической системы «водитель – автомобиль – дорога – среда»:

(а) – модель системы ВАДС; (б) – структурная схема системы оптимизации V _без

 

К исходным данным задачи оптимизации скоростного режима относится: перечень векторов, содержащих параметры генетического алгоритма (ГА), системы ВАДС, и заданный скоростной режим W = { V, M, R, D, v _з }.

Вектор входных параметров ГА имеет следующий вид:

(8.1)

где h, g – количество хромосом и генов; p_c, p_m – процент скрещивания и мутации генов; g_min, g_max – минимальное и максимальное значение гена; e_t, z_t – тип экстремума целевой функции и выходных значений; m_c, m_s – метод скрещивания и селекции; i, z_i – тип и значение условия остановки процесса оптимизации.

На рисунке 8.2 представлена схема алгоритма оптимизации совокупности эксплуатационных параметров системы ВАДС.

 

 

Рисунок 8.2 – Схема алгоритма оптимизации совокупности

эксплуатационных параметров системы ВАДС

Алгоритм основан на принципах генетики, предусматривающих модификацию и обработку синтезированных векторов-поколений, содержащих значения эксплуатационных параметров системы ВАДС, и выбор оптимальных значений параметров исходя из условия обеспечения минимума рассогласования заданной v _з и безопасной скорости движения v _б автомобиля. При кодировании значений эксплуатационных параметров системы ВАДС, содержащихся в соответствующих векторах, использовалась фасетная система классификации с параллельным способом кодирования.

Отличительной особенностью алгоритма является наличие блоков 10, 11, которые осуществляют выбор метода обработки массива-популяции с учетом выбранного пользователем критерия остановки программы. В алгоритме программы заложены следующие условия остановки:

- по времени (длительности) нахождения оптимальных значений параметров исследуемых объектов;

- по количеству синтезированных и обработанных векторов-поколений, содержащих значения параметров исследуемых объектов;

- по экстремуму (максимуму или минимуму) целевой функции.

В блоках 14, 15 выполняется инкрементирование количества популяции и процедура скрещивания «crossingover». Данная процедура выполняет инициализацию колонии и обработку созданного массива-популяции на основе ГА с целью нахождения оптимальных параметров исследуемых объектов. В теле данной процедуры выполняются операции скрещивания и селекции, затем – мутация значений генов и вычисление целевой функции, при этом лучшие наборы векторов-поколений сохраняются в ОЗУ, дубликаты и оставшиеся наборы – удаляются.

 

Порядок выполнения работы

 

1. Запустить программу «Оптимизация системы ВАДС на основе генетического алгоритма».

2. Используя теоретический материал, представленный в пункте 7.1, разобраться в принципах генетики в задаче распознавания образов.

3. Изучить представленную прикладную программу:

- режим настройки исходной популяции, алгоритмов селекции и скрещивания генов;

- режим определения вариантов решений;

- режим сбора статистических данных.

4. В процессе работы программы пользователь должен определить достоинства и недостатки генетических принципов, которые следует указать в отчете о проделанной работе.

 

⇐ Предыдущая1234567

Поделиться:

Воспользуйтесь поиском по сайту: